同一个模型，换个编码工具后突然变笨，问题未必出在模型。更隐蔽的可能是：客户端替你改了“抽签规则”。据 Reddit 用户 JadedSession 排查，OpenCode 向 Qwen 模型发请求时，会固定附带 top-p=1.0，从而覆盖模型或推理服务原本采用的设置。
采样参数决定模型从哪些候选词里选下一个词。top-p 会保留累计概率达到阈值的高概率候选；设为 1.0，通常等于不再用这条规则过滤低概率候选，只剩 top-k 等其他限制。该用户称，Qwen 的正确值应为思考模式 0.95、非思考模式 0.80；NInfer——一种会记录每次请求采样设置、并自动配置模型参数的推理服务——让这次覆盖行为暴露出来，而在 llama.cpp 及其衍生工具中不易察觉。
这也把本刊此前提到的 reasoning_effort 异常和 NInfer 配置疑点，进一步收窄到客户端请求。发帖者还指出，可在 agent.build 中统一设置 top_p: 0.95，但会影响所有模型和服务商，难以按模型单独修正。以上判断来自单一 Reddit 排查帖，材料未披露对照测试，也不足以确认实际质量损失有多大。