49 lines
7.2 KiB
Markdown
49 lines
7.2 KiB
Markdown
# 1.24.1 真实交付与 Purge:H 实测结果
|
||
|
||
本轮六个新样本已执行完毕,均未达到完整交付标准,Purge 正向收益没有证实。更关键的是,**52 次请求发送 `claude-opus-5-5`,52 份上游原始响应却都标记 `gpt-6.1-sol`**。因此本轮只能作为这条配置连接的工程运行记录,不能据此评价 Claude 的真实能力;底层模型身份仍待供应商核实。
|
||
|
||
固定正式1.24.1/source `ba07713`、原PID36552及Provider,使用现有连接,通过正规API临时设32K容量/2048输出上限,六例串行。没有重启、读取或复制Key,没有人工提供实现、修改原测试、追加实现提示或续跑旧失败Task。来源、一次性目标、原测试、驱动和预算在发送前固定,见[方案](LIVE-RETEST-H-PLAN.md)。实际52请求、**621416报告tokens、0未知用量**,保留下一次派发预留不足时的原停止,不增加预算补做。
|
||
|
||
| 新样本 | 请求 | 报告 tokens | 秒 | 实际结果 |
|
||
| --- | ---: | ---: | ---: | --- |
|
||
| React | 12 | 129235 | 102 | 原测试2/9;类型检查/构建通过;无修复批次;token_limit |
|
||
| Python | 12 | 130582 | 82 | 原测试1/6;编译通过;模型三文件批次已审查应用,未完成复测/Git;task_token_limit |
|
||
| 第一轮关闭 | 9 | 97937 | 91 | 原测试0/9、构建通过;模型三文件批次已应用,未完成复测及父交付;token_limit |
|
||
| 第一轮开启 | 6 | 96870 | 86 | 原测试0/9、构建通过;无应用批次;token_limit |
|
||
| 第二轮开启 | 5 | 77102 | 103 | 原测试0/9、构建通过;无应用批次;engine_input_budget |
|
||
| 第二轮关闭 | 8 | 89690 | 86 | 原测试0/9、构建通过;模型三文件批次已应用,未完成复测及父交付;token_limit |
|
||
|
||
表内失败测试是模型实际执行的基线检查。应用后的代码未再完成实际检查,不能推断它仍有同样测试失败,也不能记作通过。本轮没有成功页面验收或Git交付。监督程序批准6次匹配的原检查、审查应用3次模型批次并各显式续接同目标;步数上限续接0次、父工程交付0次、人工实现提示0次。
|
||
|
||
## 请求与返回型号不一致
|
||
|
||
[H身份核验](live-retest-h-model-identity.json)逐份核对原请求和上游原JSON/SSE的SHA、`model`字段:52/52不一致,缺少返回型号0次。请求工件和原账本都正确保存了发送型号;原驱动没有核对返回型号,这是验收缺口,独立身份检查现在明确拒绝将本轮认定为Claude身份通过。
|
||
|
||
进一步只读审计旧E的原件也得到相同结果:请求Claude、52份响应全部标记GPT,见[E身份补充审计](live-retest-e-model-identity-addendum.json)。E原报告中的“实际Claude”应仅理解为当时配置/发送的型号,不能作为底层模型已认证的证据。原E报告、用量、通过/失败样本及原manifest SHA均保持,不倒写旧原件。返回标识也不能单独证明模型权重,供应商是否有别名映射仍未知。
|
||
|
||
原件完整性/消费核验通过,与模型身份一致性未通过分别记录。新工具[verify-upstream-model-identity.mjs](../scripts/verify-upstream-model-identity.mjs)只读取封存原件、不发请求;不擅自把未解释的型号映射视为有效。后续应先把请求/返回身份分开进入产品账本,并在首个不一致响应后暂停该实测,避免继续消耗整个批次预算。
|
||
|
||
身份工具的[8项本机验证](live-retest-h-identity-validation.json)通过:一致JSON/Chat SSE/Responses SSE、型号不一致/缺失/混合、篡改原件拒绝,以及H原件离线重算仍52份不一致且输出逐字节相同。验证代码见[原驱动](live-retest-h-identity-validation-driver.mjs)。这验证离线工具,不代表产品运行时身份门禁已上线。
|
||
|
||
## 原版 Purge 与实际推进
|
||
|
||
Purge1.1.78、Harness0.2.1-rc.2、`purge-original-restricted-v1`来源固定。两次开启实际调用原版apply并各加载两个原生模块,11份真实输入核对原版提示;关闭组17份输入没有原版入口/独立提示实验段。四组目标、Git树、工具、测试、连接修订5、协议、32K容量及105000 tokens预算相同,顺序off/on、on/off。全部6个所属原生进程树确认结束。
|
||
|
||
开启合计173972报告tokens,关闭合计187627;四组均未交付,停止阶段不同。开启组没有应用批次,关闭组各应用一次。此数据不能证明节省、普遍能力提升或下降,也不支持收费收益推算。
|
||
|
||
第二开启的原拒绝工件明确:必需输入27260≤窗口输入限27552,剩余累计27898<下一保守预留29436,`limitingReason=remaining_token_budget`。这次是累计预算不足;32K窗口本身容得下,不应把诊断解释为必须扩大上下文容量。
|
||
|
||
G的同轮交接在Python第8响应完成批次后实际进入needs_review,应用后显式续接。之后模型又执行两次inspect_session、verify_task_step和plan_checks,未进入复测/Git就停止。React第6–12请求中,之前已完整读取且仍有效的5份源码全部保留;没有再次出现E原件中的源码逐份挤出,但仍未形成实现。真实交付结果没有随确定性修复自动改善。
|
||
|
||
[效率审计v2](live-retest-h-efficiency-audit-v2.json)用原页区间并集核对:React把同一8597字符测试日志完整重读一遍,涉及2个重复非空页,末尾又读一次App。最初派生审计按单个旧区间覆盖判断,少计1页;v1和封存原件保留,v2修正并验证相邻区间/缺口/空区间。Python应用后旧源码SHA失效,其后请求未携带旧读内容不能记作当前源码丢失。纠正审计生成时的一次非唯一锚点拒绝发生在写文件前,没有改变样本或原件。
|
||
|
||
## 状态恢复与封存
|
||
|
||
原模型池和全部公开参数恢复,连接修订4→5→6、config修订33→48及registry修订43→60按实际记录。原PID36552/Provider/正式1.24.1保持,hasKey=true、idle、9229关闭。58份原会话全导出、2850份原工件字节、4953原records/10329原events及outbox和全部原表逐行保持;只对新项目位置顺移、所属尝试追加、声明修订及事件序列作精确归属核对。148条原尝试保持,新增52次所属H。
|
||
|
||
新增12自有项目/12会话;当前54项目/70全部会话/6078 records/12906 events和outbox。787条所属工件记录、721份去重原字节及原请求/响应、基线、最终自有工作文件、原失败、驱动、进程结束和恢复收据共**979份/42415779字节**,见[manifest](live-original-purge-h-evidence/manifest.json),SHA-256 `9c7b8980850802b444375875ab53f66937307b6fe81ffee06ae075b78916824e`。私有原用户快照不入Git。
|
||
|
||
独立离线核验原字节、实际用量、插件输入/来源/退出通过;独立身份检查拒绝52份不一致型号。后续优先级和验收要求已记录在[H回顾与修复计划](LIVE-RETEST-H-REVIEW.md)。本轮没有部署新产品版本,不把旧浏览器标签的release参数当作服务实际版本,也不把本次结果混入E分母。
|
||
|
||
全部离线审计后再次[核对当前完整状态](live-retest-h-final-state.json),与恢复后快照全等;当前3566份工件文件。E/G/H原manifest的SHA再次核对保持。计划与证据按本次范围本地Git保存,不推远端。
|