3.0 KiB
1.24.1 真实交付与原版 Purge:H 批次
用户已授权重新实测。本批使用正式1.24.1、保留原PID36552及Provider;不重启、不抽取或复制Key,不续跑旧失败Task。G修复是本批执行基线,E结果保留,不合并分母。本批不扩展1.25功能或重新打包发行。
| 新样本 | 实际验收 | 上限 |
|---|---|---|
| React | 模型自行修复四模块,原9项测试、类型检查、构建、真实桌面/窄屏交互及审查Git | 24实际请求、140000报告tokens、10分钟 |
| Python | 模型自行修复三个模块,原6项测试、编译及审查Git | 同上 |
| Node AB | 同一三模块收支报告,先关闭再启用原版受限Purge | 每例24请求、105000报告tokens、10分钟 |
| Node BA | 相同需求、基线、工具、检查和驱动,先开启再关闭 | 同上 |
整批六例串行,最多100实际请求/700000报告tokens。当前已配置Claude连接固定Chat协议、32K容量、2048输出上限;无自动切池。容量经正规API临时调整并保存修订,结束恢复公开参数和原池。原生及宿主按真实已知用量和未知消费预留拒绝超额派发;在途超额、未知usage和网络失败照实记录,不自动重放或重置账本。服务公有模型中心只返回最近100尝试,预算和最终分母改用只读完整modelAttempts,不读取凭据字段。
基线沿用E自有工程的业务需求与原测试,创建全新项目、工作区和Task。模型只收一次任务、允许路径和流程合同,自己读源码并提出实现;验收程序仅批准匹配的原检查、核对模型封存批次和确认Git。审批、应用、显式续接、父工程核对分别计数;实现提示和人工代写均为零。旧已修改工程不会作为新基线。
原版开启为Purge1.1.78、purge-original-restricted-v1、Harness0.2.1-rc.2;关闭为同Harness但不加载原版入口或独立提示。原版自动更新、宿主修改、原操作工具、自动重试及继续关闭,保留真实提示/内部钩子。固定来源、每请求实际输入、原生模块加载和进程树退出逐例核对。这个实验只评价此受限工程配置,不是通用模型“破甲”或权重提升的证明。
完整批次交接和源码保留由真实请求与工具账本观察,不能把G离线回放当实测成功。来源漂移、未知操作、预算耗尽或不能确认进程退出即停止本例;独立后续组仅在剩余额度、无活动和来源一致时开始。不得以追加提示、扩大预算、改测试或同失败Task重跑制造成功。
交付结果与Purge收益单独报告:同成功标准下才比较消耗,更早失败不算节省;四例只能给描述性结论,不编统计显著性或收费节省。封存原请求/上游usage、源码基线、原失败、检查/页面/Git证据及监督次数。所有原会话导出、表行、工件原字节和模型参数恢复逐项核对,新追加归属明确;私有原用户快照不入Git,按范围本地提交、不推远端。