Große Sprachmodelle (LLMs), die für schrittweise Schlussfolgerungen trainiert wurden, neigen oft zu übermäßiger Ausführlichkeit, was die Inferenzkosten erhöht. Standardmäßige Reinforcement-Learning-Pipelines mit überprüfbarer Belohnung (RLVR) filtern zur Verbesserung der Trainingseffizienz „einfache“ Aufgaben aus, wodurch das Modell hauptsächlich an schwierigeren Aufgaben trainiert wird, die längere Schlussfolgerungsketten erfordern. Dies verfälscht die Verteilung der Ausgabekettenlängen nach oben und führt dazu, dass das Modell „länger denken“ mit „besser denken“ gleichsetzt. In dieser Arbeit zeigen wir, dass die Aufrechterhaltung und eine geringfügige Aufwertung von mittelschweren Aufgaben als impliziter Längen-Regulierer wirkt. Durch die Exposition gegenüber lösbaren Aufgaben mit kurzen Schlussfolgerungsketten wird die Ausgabeverteilung des Modells begrenzt und eine ungebremste Ausführlichkeit verhindert. Das Ergebnis ist eine emergente Kürze ohne zusätzlichen Aufwand: Das Modell lernt, schwierigere Aufgaben zu lösen, ohne die Ausgabekettenlänge zu erhöhen – trotz vollständiger Abwesenheit jeglicher expliziten Längenstrafe. RLVR-Experimente mit diesem Ansatz auf Qwen3-4B-Thinking-2507 (mit einer maximalen Token-Grenze von 16k) erreichen die Baseline-Genauigkeit pass@1 für AIME25, während die generierten Lösungen im Durchschnitt fast doppelt so kurz sind. Der Code ist verfügbar unter https://github.com/MBZUAI-Paris/Frugal-AI{GitHub}, sowie Datenbanken und Modelle unter https://huggingface.co/collections/MBZUAI-Paris/k2-think-mini-68dcfa8b114686a4bd3dc2bc{Hugging Face}.