在Modelica中实现连续可导min函数是否存在性能优势？

我想搞清楚在Modelica里，实现带连续导数的min(.)函数，对比仅C0连续的版本有没有实际优势？

针对x⩾0的场景，我尝试了两种min函数的实现方式：

1/ f1(x,s) := Smooth(0, noEvent(min(x,s)))
2/ f2(x,s) := Smooth(10, x*(1+(x/s)^60)^(-1/60) )

对应的具体函数实现如下：

function Limiter "Function  Limiter"
  input Real x;
  input Real xc(final min=0);
  output Real y;
protected 
  Real mx;
  parameter Real k=3;
  parameter Integer o(
    final min=1,
    max=30) = 30;
  final parameter Integer twoO=2*o;
algorithm 
  mx := noEvent(min(x, k*xc));
  if noEvent(abs(xc)) >= 1 then
    y := mx*(1 + (mx/xc)^twoO)^(-1/twoO);
  else
    y := mx*xc*(xc^twoO + mx^twoO)^(-1/twoO);
  end if;
  annotation (derivative=DerLimiter, inverse(x=InverseLimiter(x=y, xc=xc), xc=InverseLimiter(x=y, xc=x)));
end Limiter;

和f1不同，我可以给f2这类实现提供导数函数和逆函数，之前看到资料说这能提升求解器速度。现在想确认：在Modelica里实现这类辅助函数到底能不能真的加快求解速度，还是说属于费力不讨好的无用功？希望有经验的人能分享反馈。

内容的提问来源于stack exchange，提问作者AngeliqueR