精简现代中文迁移性最好。
zh_compact 在不同模型家族间最稳定，常能保持任务质量，同时控制输出长度。
实验真正发现了什么
结论不是“某种语言全面获胜”。提示语言会与模型能力、任务类型和推理可见形式发生明显交互。
文言文只在特定条件下获益。
修正后的主矩阵中，文言文是 GPT-5.4 的总体最优条件；但这一优势没有稳定迁移到较小的开源模型。
是否展示推理也会改变前沿。
隐藏推理主要压低可见 token；紧凑可见推理则以比显式过程更低的成本，保留了最强的 GPT-5.4 / 文言组合。
同一任务，三种提示语言
只改 system prompt 的语言；任务子集、模型后端、评分器与输出预算全部固定。
base
精简英文
传统控制组：清楚、简洁，也是所有受测模型最熟悉的提示语言。
“Follow the user’s instructions carefully… eliminate redundancy and aim for compact, clear expression.”
zh_compact
简体中文
精简中文控制组，用来把一般语言效应与文言文特殊文体效应区分开。
“请严格遵循用户要求……删繁就简，要求表达精炼、意思清楚。”
wy
文言文
高信息密度、强省略、语法凝练，因此可能成为一种天然的自然语言 prompt compression 形式。
“凡码与引文外，释理叙事宜从简。禁绝白话冗词，务求辞约义明。”
修正后的主矩阵
2048-token 重跑消除了 pilot 中最大的截断伪影，并把任务分数与总推理 token 放在同一张图上报告。
推理可见性同样重要
第二轮三组实验固定语言条件，改为比较显式过程、隐藏推理与紧凑可见推理。
基于 Manifest，完整可审计
每次运行都记录确切任务子集、提示条件、token 上限、finish reason、用量和评分结果。执行、聚合与画图彼此分离，截断不会再被静默当成模型失败。
固定 manifest
→ 任务 × 语言 × 模型运行
→ results.jsonl + 用量元数据
→ 截断审计
→ 跨运行聚合
→ 分数 / token Pareto 图
解释边界。LangMatch 是研究性探索，并不能证明文言文普遍优于其他提示语言。不同后端的 token 统计应主要在同一模型内部比较；GPT-5.4 上的文言收益在当前结果中成立，但它是高度条件化的。
报告与复现材料
公开仓库包含实验 manifest、runner、聚合报告、绘图脚本和可公开结果产物。