629 lines
66 KiB
Markdown
629 lines
66 KiB
Markdown
# 18. Редакторский провод под доктриной закона (D39.104) + фронтир-пасс по голду
|
||
|
||
**Полигон-сессия 04.08.2026.** Исполнение `docs/POLYGON_EDITOR_WIRE_PROBE_SESSION_PROMPT.md`
|
||
(оркестратор №13, санкции владельца D39.103/104). Зона: `eval/bank_arbitration/` + этот файл + пинг
|
||
в PROGRESS «Полигон». Сырьё durable `~/books/gu-zhenren/bank-arbitration/`, префикс `edp-*`.
|
||
Не закоммичено, кроме пре-рег-фриза (CLAUDE.md, единственное исключение полигона).
|
||
Потолки: проба A ≤ $0.30, проба C ≤ $0.50.
|
||
|
||
> **РЕВЬЮ-ШАПКА ПРИЁМКИ (оркестратор №15, D39.108, 06.08) — ПРИНЯТ.** Слепой вердикт по сырью ДО чтения отчёта совпал по всем 7 пре-рег-критериям; числа §A/§C воспроизведены офлайн-ре-раном и независимым парсером. Фризы предшествуют платным вызовам (080c15d за 46 с; 52e12f3 за 21 с; 4d1d9e5 за 49 мин — его amend 01:58Z разобран: пре-рег-текст не трогал, содержал объявленную девиацию арма E и premise_review-харнесс). **Поправки приёмки к телу:** (1) §C.1 «максимум фактического вывода по всем 15 вызовам — 1092 ток.» неверно: 1092 — максимум только terra; fdp-b0 = 2717 (вывод «упоров в cap нет» держится); (2) glm2 $/книга прямым счётом $2.58, не $2.60; (3) строка леджера «ВСЕГО $0.174390» не включает статьи, названные самим отчётом (glm2 $0.081326 · эффорт-проба $0.044163) — полное сырьё сессии по статьям ИТОГа = $0.299879; (4) числа «канон вне блока» (§0.1 экспа 19: 44%, A1 24/41) сняты до-фризовым стемом — замороженный скорер даёт 39% (16/41) и 22/41, новый стем прав по голду; (5) дубль-абзац §A.4 и двойная нумерация §C.4 исправлены оркестратором (второй раздел перенумерован в §C.5).
|
||
|
||
## ИТОГ (для оркестратора; детали — ниже по разделам)
|
||
|
||
**Проба A — доктрина D39.104 на боевом проводе.** Провод пробы доказан байт-в-байт против движка
|
||
(sha256 всех трёх сообщений против реальных `SystemFor`/`MessagesWithInjection`/
|
||
`RenderEditorConstraintBlock`). Единый закон-блок исполняется **21/21** клеток; неверная строка
|
||
банка принимается **6/6** и вытесняет верную **5/6** — то есть редактор ошибку банка не ловит, а
|
||
разносит. **Редактор БЕЗ блока сам ломает 5–12 из 20 канонических клеток черновика** ⇒ инъекция
|
||
редактору нужна не «на всякий случай», а как несущая защита. Термы, инъецированные как закон,
|
||
сверены с подписанным владельцем голдом: **0 расхождений из 8**.
|
||
|
||
**Проба C — фронтир на роли терминолога НЕ ОПРАВДАН** по пре-регистрированному критерию (нужно
|
||
было +5 клеток, получено −7…−9 строго и ±0 под фолдом конвенции). Числа воспроизведены независимым
|
||
парсером. Ключевая находка не в вердикте, а в причине: **7 из 9 «промахов» фронтира — не ум, а
|
||
орфографическая конвенция** `古月` («Гу Юэ» против «Гуюэ»), которая стоит 8/45 голда и перекрывает
|
||
разницу между всеми проверенными моделями. **Рычаг этой роли — данные, а не модель.**
|
||
|
||
**Дозамер §C.5 (05.08):** гипотеза «чемпион `glm-5` был искалечен выключенным мышлением»
|
||
ОПРОВЕРГНУТА — с мышлением **24/45 против 25/45** при цене в 4,4× выше. Ограничение №5 снято;
|
||
следствие шире вердикта: **на роли терминолога размышление не конвертируется в качество ни у одной
|
||
проверенной модели** (`terra` при 11× цены `luna` покупает 0 клеток).
|
||
|
||
**Вход для решения владельца:** `gpt-5.6-luna` держит качество `glm-5` за 39% цены ($0.23 против
|
||
$0.59 за книгу) — кандидат в замену терминолога, если владелец захочет тронуть роль; паритет
|
||
измерен против ЛУЧШЕГО из двух режимов чемпиона. Не решение сессии.
|
||
|
||
**Деньги:** проба A $0.070293 · проба C $0.104097 · эффорт-проба $0.044163 · контроль `glm2`
|
||
$0.081326. Потолки не пробиты.
|
||
|
||
---
|
||
|
||
## §0. ПРЕ-РЕГИСТРАЦИЯ (записано ДО первого платного вызова этой сессии; норма D39.46/D39.61)
|
||
|
||
Дата фиксации: 2026-08-04, до любых платных вызовов. Всё ниже — фриз; расхождение исполнения с
|
||
этим текстом печатается как девиация с обоснованием.
|
||
|
||
### 0.1 Провод пробы A (byte-faithful edit-стадии `pipeline-c1.yaml`)
|
||
|
||
| Поле | Значение | Провенанс |
|
||
|---|---|---|
|
||
| модель | `deepseek-v4-pro` | `pipeline-c1.yaml` stages[edit].model (ИНТЕРИМ D39.22) |
|
||
| промпт | `backend/prompts/zh-ru/editor.md`, блок `---FEWSHOT---` ДРОПНУТ | stages[edit].few_shot: false |
|
||
| temperature | `0.4` (шлётся; thinking-режим её молча игнорирует — quirks 00) | stages[edit].temperature |
|
||
| reasoning | параметр **НЕ шлётся вовсе** ⇒ вендор-дефолт `high` | deepseek = `ReasoningNone` (`llm/capability.go:177-180`), stages[edit].reasoning:"off" ⇒ ключа на проводе нет; quirks 00 §3а |
|
||
| max_tokens | `16000` | `models.yaml:166` capabilities.min_max_tokens (флор v4-pro) |
|
||
| раскладка | `system(editor.md core)` → `system(банк-блок)` → `user(text+draft)` | `render.go` MessagesWithInjection |
|
||
| формат строк блока | `- src → «dst»` | `membank/memory.go:815` editorLines |
|
||
|
||
**Байт-сверка провода — исполнением, ДО платных вызовов.** Overlay-тест (`go test -overlay`, файлы
|
||
живут в скрэтчпаде, в `backend/` не пишутся) прогнал РЕАЛЬНЫЕ `LoadPromptTemplate`+`SystemFor(false)`+
|
||
`MessagesWithInjection` и `RenderEditorConstraintBlock` на окне w3 и напечатал sha256 каждого
|
||
сообщения. Совпадение с Python-харнессом побайтное:
|
||
|
||
```
|
||
Go WPMSG 0 role=system sha=cef8aba86410f996ab4624f6839f2acbf98a31ededa6a12a8070c03abb739645
|
||
Py PYMSG 0 role=system sha=cef8aba86410f996ab4624f6839f2acbf98a31ededa6a12a8070c03abb739645
|
||
Go WPMSG 1 role=system sha=775604eddb3346c0b566ff01d0affd7b222d00fd37684afa9104639ae83e107d
|
||
Py PYMSG 1 role=system sha=775604eddb3346c0b566ff01d0affd7b222d00fd37684afa9104639ae83e107d
|
||
Go WPMSG 2 role=user sha=547d516465c885890438b4e001c8d6d6a7c48641ce28701b6b6385bad66940fa
|
||
Py PYMSG 2 role=user sha=547d516465c885890438b4e001c8d6d6a7c48641ce28701b6b6385bad66940fa
|
||
Go WPBLOCK sha=775604eddb3346c0b566ff01d0affd7b222d00fd37684afa9104639ae83e107d (RenderEditorConstraintBlock, текущий editor_header)
|
||
```
|
||
|
||
Сверялся блок с ДЕЙСТВУЮЩИМ `editor_header`; кандидат-заголовок §B отличается от него ровно
|
||
вставкой оговорки (ниже дословно), строки блока не трогает.
|
||
|
||
### 0.2 Окна и черновики
|
||
|
||
Те же 6 окон источника, что `inject_probe.py` (`pick_windows()`, детерминирован, `coldrun-a` только
|
||
чтение): w0@para534 · w1@para709 · w2@para488 · w3@para372 · w4@para101 · w5@para274.
|
||
Черновики — **арм B того же сырья** (`inj-w{k}-B.json`, транслятор под ВЕРНЫМ законом, $0, уже
|
||
персистированы, все `finish=stop`): канон-конформный черновик = сильнейший тест вытеснения.
|
||
|
||
### 0.3 Заголовки (кандидат-редакции §B промта; в движок НЕ вносятся)
|
||
|
||
База — действующий `editor_header` (`backend/internal/lang/data/injection.txt` строка 7), дословно.
|
||
|
||
**Единый закон-блок с оговоркой области** (армы A1, A2, AM-clause):
|
||
> КАНОНИЧЕСКИЕ ПЕРЕВОДЫ имён и терминов (в черновике термин исходника слева ДОЛЖЕН быть передан именно указанной формой справа — приводи к ней любые расхождения, склоняя по контексту; не вводи иных вариантов и не меняй ничего другого; глоссарий обязателен для употреблений термина КАК термина: игру слов, разбор знаков, буквальное прочтение передавай по смыслу пассажа, сохраняя узнаваемость канонической формы):
|
||
|
||
**Закон БЕЗ оговорки** (арм AM-noclause) = действующий `editor_header` без единой правки:
|
||
> КАНОНИЧЕСКИЕ ПЕРЕВОДЫ имён и терминов (в черновике термин исходника слева ДОЛЖЕН быть передан именно указанной формой справа — приводи к ней любые расхождения, склоняя по контексту; не вводи иных вариантов и не меняй ничего другого):
|
||
|
||
Секция `editor_unverified_header` НЕ рендерится (двухсекционка сворачивается в одну — §B промта);
|
||
маркер `⟨проверить⟩` на проводе НЕ рендерится (поведенчески пуст, research/24 §C).
|
||
|
||
### 0.4 Армы (26 платных вызовов v4-pro + 1 транслятор-вызов на черновик AM)
|
||
|
||
| Арм | Вызовов | Блок | Что мерит |
|
||
|---|---|---|---|
|
||
| **A0** | 6 | нет | изолированный контроль (его не было НИКОГДА) |
|
||
| **A1** | 6 | закон+оговорка, все строки ВЕРНЫЕ | исполнение закона на редакторе |
|
||
| **A2** | 6 | закон+оговорка, строка `元海 → «Юаньхай»` НЕВЕРНАЯ | цена неверного закона + межоконная консистентность |
|
||
| **AM** | 2 | закон+оговорка / закон без оговорки | работает ли оговорка области и не течёт ли |
|
||
| **A5** | 6 | нет | чинит ли редактор дефекты черновика |
|
||
|
||
**Девиация от дизайна §C (обоснованная):** research/24 §C РОТИРОВАЛ неверный терм по окнам. Здесь
|
||
неверная строка ОДНА И ТА ЖЕ во всех 6 окнах — `元海`, единственный терм, присутствующий во всех
|
||
шести окнах (пересечение множеств термов = {元海}) и отрендеренный верной формой во всех шести
|
||
черновиках. Без этого метрика «судьба ОДНОЙ строки одинакова во всех 6 окнах» (§A промта)
|
||
неизмерима. Инъецируемая неверная форма — `Юаньхай` (реестр `TERMS` `inject_probe.py`).
|
||
|
||
**AM — метаязыковое окно, НАТУРАЛЬНОЕ (не синтетика):** параграфы 517–521 источника — выбор
|
||
本命蛊 в шкафу гу. Несёт (а) `蛊名月光` — имя названо КАК ИМЯ («имя гу — Лунный свет»), при том что
|
||
канон-форма `月光蛊 → «Гу лунного света»`; (б) `弯弯如月` — буквальное «изогнут, как месяц»;
|
||
(в) обычные терминные употребления `月光蛊` в тех же 5 строках. Блок окна содержит ровно те термы
|
||
реестра, что встречаются в окне.
|
||
Черновик AM: 1 вызов транслятором проводом арма B (`deepseek-v4-flash`, `reasoning_effort:"low"`,
|
||
temp 0, ВЕРНЫЙ блок), тег `edp-AMdraft`. **Правило ветвления, фиксируется ЗДЕСЬ:** если черновик
|
||
передаёт `蛊名月光` ПО СМЫСЛУ (не приклеивает канон-форму к слову «имя») — идёт как есть; если
|
||
канонизировал — сажаю смысловой вариант «Имя этому гу — Лунный свет» и объявляю посадку в отчёте
|
||
(файл `edp-AMdraft-planted.txt`), результат помечается как посаженный.
|
||
|
||
### 0.5 A5 — посаженные дефекты черновика (дословный список)
|
||
|
||
По одному дефекту каждого класса в каждое из 6 окон, итого 6+6. Арм без банк-блока.
|
||
к1 = слово-абракадабра (несуществующее слово); к2 = смысловое искажение против ОРИГИНАЛА.
|
||
|
||
| Окно | Класс | Было в черновике | Стало (посадка) | Против чего в исходнике |
|
||
|---|---|---|---|---|
|
||
| w0 | к1 | `также поразительна` | `также взгрумительна` | — |
|
||
| w0 | к2 | `они не выдержат такого непрерывного расхода` | `они легко выдержат такой непрерывный расход` | 再多的元石也**经不起**…消耗 |
|
||
| w1 | к1 | `сокровище природы` | `мреязное сокровище природы` | — |
|
||
| w1 | к2 | `на глазах неуклонно поднимался` | `на глазах неуклонно опускался` | 元海水位…不断**攀升** |
|
||
| w2 | к1 | `словно натянутая струна` | `словно натянутая струмель` | — |
|
||
| w2 | к2 | `Увы, тот так и не показался` | `Увы, тот в первую же ночь и показался` | 可惜,**就是不见**那酒虫 |
|
||
| w3 | к1 | `но при этом необычайно густой` | `но при этом необычайно гущавой` | — |
|
||
| w3 | к2 | `Фан Юань, не оборачиваясь, развернулся и пошёл обратно` | `Фан Юань обернулся и остался стоять на месте` | 方源直接**转身往回走** |
|
||
| w4 | к1 | `волна дерзновенной отваги` | `волна дерзновяжной отваги` | — |
|
||
| w4 | к2 | `была вполне приемлемой платой` | `была совершенно недопустимой утратой` | 春秋蝉的损失**完全可以接受** |
|
||
| w5 | к1 | `оттенок суровой удали` | `оттенок суровяглой удали` | — |
|
||
| w5 | к2 | `он наконец не смог идти дальше` | `он зашагал ещё быстрее` | 一直走到三十六步,终于**走不动了** |
|
||
|
||
Скоринг A5: regex-предпроход («дефект ещё в выходе» / «смысл восстановлен») + **обязательная
|
||
глазная сверка каждой из 12 единиц; при расхождении авторитет — глаз**, regex печатается рядом.
|
||
|
||
### 0.6 Скоринг A0/A1/A2 и развязка regex-конфаунда
|
||
|
||
Метод — тот же regex-скорер, что `inject_probe.py --score` (нормализация NFKC · casefold · ё→е ·
|
||
схлоп пробелов). **Найденный и развязанный конфаунд (проверка потребована промтом на классе
|
||
元海/真元):** голд-rx `真元` = `истинн\w* ци` матчится ВНУТРИ верной формы `元海` = «море истинной ци».
|
||
Развязка: перед поиском `真元` из нормализованного выхода вырезаются все вхождения голд-формы `元海`.
|
||
Ре-ран research/24 §C по персистированному сырью ОБОИМИ методами — числа §C не двигаются
|
||
(см. §A.0 ниже); конфаунд задевает 2 клетки (w1 армы C/D), и обе лежат в колонке НЕВЕРНОГО терма,
|
||
которая в знаменатель «верных строк» не входит.
|
||
|
||
Знаменатели: «верные строки» = все термы блока кроме `元海` = 21 клетка (6+6+5+4+3+3 = 27 минус 6).
|
||
|
||
### 0.7 Критерии (успех/провал, зафиксированы ДО запуска)
|
||
|
||
1. **«Закон исполняется»** — A1 ≥ **5/6** окон, где ВСЕ верные строки окна пришли канонической
|
||
формой. Печатается также поклеточно (x/21) для сравнимости с §C.
|
||
2. **«Цена ошибки»** — A2: принятие неверной формы и вытеснение верной печатаются ЧИСЛОМ без
|
||
порога (это цена, не экзамен).
|
||
3. **«Консистентность держится»** — единогласие ≥ **5/6** однонаправленных решений по строке `元海`
|
||
в A2 (все 6 окон приняли ЛИБО все 6 отвергли).
|
||
4. **«Оговорка работает»** — метаязыковый пассаж передан ПО СМЫСЛУ при законе+оговорке И сломан
|
||
(канон-форма приклеена) при законе-без-оговорки.
|
||
5. **«Оговорка ТЕЧЁТ»** — ≥ **2/6** окон A1/A2 с отклонением от закона по ВЕРНЫМ строкам ⇒
|
||
формулировку сузить и пере-гнать ТОТ арм, где leakage зафиксирован (в потолке).
|
||
6. **A5** — «X из Y» по каждому классу, порога НЕТ (первый замер класса).
|
||
7. Средние исходы (ровно 4/6 и т.п.) — «неопределённо на N=6», печатаются, не абсорбируются.
|
||
|
||
### 0.8 Смета пробы A (напечатана ДО первого платного вызова)
|
||
|
||
Калибровка токенизатора: cl100k → фактические `prompt_tokens` DeepSeek ×**0.612** (по 6 вызовам
|
||
сырья §C, разброс 0.597–0.622). Вход всех 26 вызовов ≈ **52 602** ток. → **$0.0229**.
|
||
Выход: нижняя оценка (только содержательный текст) 23 400 ток. → **$0.0432**; ожидаемая
|
||
104 000 ток. → **$0.1134**; абсолютный потолок (ВСЕ 26 вызовов упираются в 16 000) 416 000 ток. →
|
||
$0.3848. **Ожидаемая смета $0.11–0.14 < потолка $0.30.** Абсолютный потолок выше $0.30 достижим
|
||
только при 26/26 упоров в cap, поэтому в харнесс вшит **живой стоп $0.28**, проверяемый ПЕРЕД
|
||
каждым вызовом ⇒ потолок непробиваем механизмом, а не дисциплиной. Плюс 1 транслятор-вызов на
|
||
черновик AM ≈ $0.002.
|
||
|
||
---
|
||
|
||
## §0C. ПРЕ-РЕГИСТРАЦИЯ ПРОБЫ C (фронтир-пасс по голду; потолок $0.50, «go» владельца D39.103 п.3)
|
||
|
||
**Слаги — live `/models` 04.08.2026, не со слуха.** Владелец назвал «терра»/«луна»; в листинге
|
||
OpenAI (124 слага) присутствуют ровно `gpt-5.6-terra` и `gpt-5.6-luna` (плюс `gpt-5.6-sol`, которого
|
||
владелец НЕ называл — в пробу не берётся). Опознание однозначное, СТОП+релей не требуется.
|
||
DeepSeek-листинг: `deepseek-v4-flash`, `deepseek-v4-pro` — прежние два.
|
||
|
||
**Цены — ТОЛЬКО прайс-страница вендора** `developers.openai.com/api/docs/pricing` (снято 04.08.2026),
|
||
за 1M токенов, короткий контекст / длинный контекст:
|
||
|
||
| Слаг | in | cached in | out | (long) in | cached | out |
|
||
|---|---|---|---|---|---|---|
|
||
| `gpt-5.6-terra` | $2.00 | $0.20 | $12.00 | $4.00 | $0.40 | $18.00 |
|
||
| `gpt-5.6-luna` | $0.20 | $0.02 | $1.20 | $0.40 | $0.04 | $1.80 |
|
||
| `gpt-5.6-sol` (не в пробе) | $5.00 | $0.50 | $30.00 | $10.00 | $1.00 | $45.00 |
|
||
| `deepseek-v4-pro` | $0.435 | $0.003625 | $0.87 | — | — | — |
|
||
|
||
(v4-pro — `models.yaml`, prices_checked 2026-07-10, подтверждено quirks 00 «цены пост-катовера не
|
||
изменились».) Батчи ростера ≈4.5k ток. ⇒ применяется КОРОТКИЙ контекст-тир.
|
||
|
||
**Протокол** — тот же, что research/24 §B3: `consilium_probe.py`-ростер (45 голд-термов в банке +
|
||
18 экстра-поверхностей = 63 строки), 5 батчей, engine-faithful `RenderBatch`, боевой
|
||
`terminologist.md`, добавка CONF_NUM (как у пасса `glm1`, иначе несравнимо), temp 0 где применимо.
|
||
Чемпион для сравнения — `glm1` = **25/45** (пере-считано из сырья: ds1 20 · ds2 20 · ds3 21 ·
|
||
dsw 18 · glm1 25 · mis1 23 · gro1 12).
|
||
|
||
**Wire-квирк, который НЕ гадаю (правило двух направлений, quirks 00 шапка):** вендор-дока GPT-5.6
|
||
описывает `reasoning.mode` + `reasoning.effort` (none…max) для **Responses API**; поддержка плоского
|
||
`reasoning_effort` в Chat Completions в доке не заявлена, а прецедент exp08 (xAI) — вложенная форма в
|
||
Chat Completions МОЛЧА ГЛОТАЕТСЯ. Поэтому ДО основных вызовов идёт **микро-wire-проба** (≈$0.002):
|
||
на каждом слаге по 2 крошечных вызова с эффортами `none` и `high`; ручка считается ЖИВОЙ, только если
|
||
`reasoning_tokens` между ними различаются. Транспорт основного прогона выбирается по её результату
|
||
(Chat Completions при живой ручке; иначе Responses API), выбор печатается в отчёт.
|
||
Прочее по квиркам: `max_completion_tokens` вместо `max_tokens`, `temperature` не слать.
|
||
Эффорт основного прогона: **low** для terra/luna (дешёвый тир, зеркало ds1); для `deepseek-v4-pro`
|
||
reasoning-параметр НЕ шлётся (`low` на pro маппится в `high` — ручки бюджета у pro нет, quirks 00 §3а).
|
||
|
||
**Смета C:** вход ≈19k ток. на пасс. v4-pro: $0.008 вход + выход (высокий эффорт, оценка 30k ток.)
|
||
$0.026 ≈ **$0.034**. luna: $0.004 + $0.048 ≈ **$0.05**. terra: $0.038 + (оценка 8k ток.) $0.096 ≈
|
||
**$0.13**. Итого ожидаемо **≈$0.22** при потолке $0.50; живой стоп харнесса **$0.45**.
|
||
|
||
**Критерий (фриз):** «фронтир оправдан для роли» — парное преимущество кандидата над `glm1`
|
||
(термы «кандидат прав ∧ glm1 неправ» минус обратные) ≥ **+5** на 45 голд-термах **И** названа
|
||
цена/книга по методике research/24 §B5. Меньше +5 — «не оправдан» (легитимный исход).
|
||
|
||
**Data-sharing** на ключе OpenAI отключён — слово владельца, D39.103 п.3 (со слов промта
|
||
оркестратора; сессия это не верифицировала).
|
||
|
||
---
|
||
|
||
## §A. Проба A — редакторский провод под законом
|
||
|
||
26 пре-регистрированных вызовов `deepseek-v4-pro`, все `finish=stop`, слаг-дрейфа нет, провод
|
||
каждого вызова сверен с пре-регом машинно (temp 0.4 · max_tokens 16000 · `extra_body` пуст · 2
|
||
сообщения в армах без блока, 3 — с блоком · заголовок соответствует арму · маркер ⟨проверить⟩ и
|
||
вторая секция нигде не просочились). **$0.070293 при потолке $0.30.**
|
||
|
||
> ### ⚠ ДЕВИАЦИЯ ПРЕ-РЕГА №1 (поймана адверсариальным ревью, объявляю)
|
||
> Зафризенный §0.3 ставит оговорку ВНУТРЬ скобки: `…не меняй ничего другого; глоссарий обязателен …
|
||
> канонической формы):`. Харнесс собирает заголовок конкатенацией `база + оговорка + ":"`, где база
|
||
> уже закрыта скобкой, поэтому **на провод во всех A1/A2/AM-clause ушло**:
|
||
> `…не вводи иных вариантов и не меняй ничего другого); глоссарий обязателен для употреблений термина
|
||
> КАК термина: игру слов, разбор знаков, буквальное прочтение передавай по смыслу пассажа, сохраняя
|
||
> узнаваемость канонической формы:`
|
||
> — то есть оговорка стоит СНАРУЖИ скобки. Заголовок-без-оговорки (арм AM-noclause) байт-идентичен
|
||
> движковому `editor_header`, расхождения нет. Все выводы §A относятся к **отправленной** строке;
|
||
> при любом внесении §B в `injection.txt` брать её, а не редакцию из §0.3.
|
||
|
||
### A.0 Развязка regex-конфаунда (потребована промтом; $0, по персистированному сырью)
|
||
|
||
Конфаунд РЕАЛЕН: голд-rx `真元` (`истинн\w* ци`) матчится внутри верной формы `元海`
|
||
(«море истинной ци») — 14 пересечений в сырье §C. Но на числа §C он **не влияет**: развязанный
|
||
ре-ран даёт ту же таблицу (A 9/21 · B 20/21 · C 20/21 · D 21/21; неверная 0/6 · 0/6 · 6/6 · 6/6).
|
||
Задеты ровно 2 клетки (w1 армы C/D), и обе лежат в колонке НЕВЕРНОГО терма, которая в знаменатель
|
||
«верных строк» не входит. ⇒ **оговорка (а) ревью-шапки `research/24` («верные строки C/D завышены
|
||
до 2 ячеек») в части ЭФФЕКТА неверна: механизм есть, сдвига чисел нет.** Развязка всё равно
|
||
включена в скорер этой пробы, потому что здесь `元海` — инъецируемый неверный терм.
|
||
|
||
### A.1 Следование закону по ВЕРНЫМ строкам блока (21 клетка = 27 строк минус 6 клеток `元海`)
|
||
|
||
| Арм | Канонических форм | Окон с ПОЛНЫМ следованием | Сломано против черновика |
|
||
|---|---|---|---|
|
||
| черновик (арм B транслятора) | 20/21 | 5/6 | — |
|
||
| **A0** без блока | **15/21 (71%)** | 2/6 | 5/20 |
|
||
| **A5** без блока (второй розыгрыш того же контроля) | **8/21 (38%)** | 0/6 | **12/20** |
|
||
| **A1** закон+оговорка, верные строки | **21/21 (100%)** | **6/6** | 0/20 |
|
||
| **A2** закон+оговорка, `元海` неверна | 21/21 (100%) | 6/6 | 0/20 |
|
||
|
||
**Критерий 1 «закон исполняется» — ВЫПОЛНЕН** (6/6 ≥ 5/6).
|
||
|
||
**Контроль без блока разыгран ДВАЖДЫ, и это меняет формулировку.** A5 гнался как арм посаженных
|
||
дефектов, но по проводу это тот же контроль: тот же промпт, те же окна, тот же отсутствующий блок,
|
||
а черновики отличаются от A0 только двумя посадками, ни одна из которых термов не касается.
|
||
Второй розыгрыш дал **8/21**, не 15/21. Поэтому:
|
||
|
||
- **устойчиво и направленно:** блок поднимает следование канону до 21/21 и 6/6 окон в обоих армах,
|
||
где он есть; без блока — 15/21 и 8/21, ни одного полного окна во втором розыгрыше;
|
||
- **НЕ устойчиво:** конкретное число базы. «71% → 100%» — один розыгрыш; честная запись —
|
||
**«без блока 8–15 из 21, с блоком 21/21»**.
|
||
|
||
**Главное здесь не 100%, а разрушение.** Черновики арма B несли канон в **20/21** клетке. Редактор
|
||
без блока **сам ломает от 5 до 12 из 20 уже верных клеток** (25–60%) и не чинит единственную
|
||
неверную. Это первый изолированный замер контроля (его не было никогда), и он переворачивает роль
|
||
редактора в модели рисков: редактор — не пассивная стадия, которую банк «страхует», а
|
||
**самостоятельный источник терминологического разнобоя**, причём с большой дисперсией.
|
||
|
||
Сломанные клетки (черновик→A0): w0 `真元`, w0 `元石`, w1 `元石`, w1 `蛊师`, w5 `蛊师`.
|
||
Вскрыто глазами, `edp-A0-w0` — редактор пере-терминологизирует пачкой:
|
||
|
||
> «покупательная способность **юань-камней** тоже поражает… Из них можно напрямую извлекать чистую
|
||
> **изначальную сущность** и восполнять ею **море сущности** в апертуре»
|
||
|
||
против канона «первобытный камень» · «истинная ци» · «море истинной ци». В `edp-A0-w5`: «мастер гу
|
||
первого оборота», «Гу Юэ Мо Бэй», «класс И/Бин» — то есть без блока плывут и термы, и имена, и
|
||
шкала градаций. В арме A5 (тоже без блока) тот же класс: `春秋蝉` пришёл «Цикадой Весны и Осени»
|
||
вместо канонической «Весенне-осенней цикады».
|
||
|
||
### A.2 Цена неверной строки и межоконная консистентность (строка `元海`, 6 окон)
|
||
|
||
| Арм | Верная форма в выходе | Неверная («Юаньхай») в выходе |
|
||
|---|---|---|
|
||
| черновик | 6/6 | 0/6 |
|
||
| **A0** без блока | **2/6** | 0/6 |
|
||
| **A1** верный закон | **6/6** | 0/6 |
|
||
| **A2** неверный закон | 1/6 | **6/6** |
|
||
|
||
**Критерий 2 «цена ошибки» (число без порога): неверная строка принята 6/6; полностью вытеснила
|
||
верную в 5/6.** Это ровно то же, что на транслятор-проводе (§C research/24: 6/6 и 5/6) ⇒ **цена
|
||
неверной строки банка на редакторе НЕ МЕНЬШЕ, чем на трансляторе; ремонт «редактор поймает» не
|
||
существует.**
|
||
|
||
**Критерий 3 «консистентность держится» — ВЫПОЛНЕН: единогласие 6/6.** Строка отработала одинаково
|
||
во всех шести окнах ⇒ канал разнобоя между параллельными главами инъекция НЕ открывает: она
|
||
одинаково точна и одинаково заразна. Это прямое подтверждение несущего довода D39.104 (закон ради
|
||
консистентности) — с ценой, названной числом выше.
|
||
|
||
Единственное исключение вскрыто глазами, `edp-A2-w3`:
|
||
|
||
> «В апертуре, разумеется, лежало **Юаньхай — море истинной ци**.»
|
||
|
||
Редактор исполнил неверный закон И приклеил к нему верную форму глоссой. Это единственная из 6
|
||
клеток, где обе формы сосуществуют, — и единственный наблюдённый след «сопротивления» неверной
|
||
строке. Механизма, который это ловит, в пайплайне нет.
|
||
|
||
**Критерий 5 «оговорка течёт» — НЕ подтверждён: 0/6 окон с отклонением** (A1 и A2 дали 21/21 по
|
||
верным строкам). Пере-гон арма не потребовался.
|
||
|
||
⚠ **Но метрика присутствия к протечке структурно слепа, и это ограничение вывода, а не придирка.**
|
||
Пре-регистрированный скорер спрашивает «есть ли каноническая форма в выходе», а не «все ли
|
||
употребления приведены к канону». По счёту УПОТРЕБЛЕНИЙ картина другая: w0 `元石` черновик 8 → A1 **4**
|
||
(остальные стали «камни»), w5 `蛊师` 4 → **3**, w1 `元海` 3 → **2**. Под буквой закона («приводи к ней
|
||
ЛЮБЫЕ расхождения») это отклонения, которых «0/6» не видит. Обратный класс — ПЕРЕ-канонизация — тоже
|
||
наблюдён: `edp-AM-clause` подставил «Гу лунного света» там, где исходник даёт голое `蛊虫`.
|
||
**Честная запись: нулевая протечка НЕ ИЗМЕРЕНА; измерено, что каноническая форма присутствует в
|
||
100% клеток.** Поштучная метрика — вход следующей пробы.
|
||
|
||
### A.3 A5 — чинит ли редактор дефекты черновика (12 посадок, арм БЕЗ блока)
|
||
|
||
| Класс | Исправлено | Метод сверки |
|
||
|---|---|---|
|
||
| к1 — слово-абракадабра | **6/6** | regex 6/6 + глаз 6/6 |
|
||
| к2 — смысловое искажение против оригинала | **6/6** | regex 6/6 + глаз 6/6 |
|
||
|
||
Порога не было (первый замер класса). Regex и глаз разошлись в одной единице (w4 к1: `fix_rx` не
|
||
предвидел формулировку) — по пре-регу авторитет глаза: «волна дерзновяжной отваги» → «приливом
|
||
гордого честолюбия», дефект снят. Восстановления смысла подтверждены против ИСХОДНИКА, в т.ч. там,
|
||
где фрагмент переписан целиком: w3 `方源直接转身往回走` → «Вместо ответа Фан Юань просто повернул
|
||
обратно»; w5 `终于走不动了` → «лишь на тридцать шестом шагу он окончательно выбился из сил и
|
||
остановился»; w4 `完全可以接受` → «вполне приемлемая цена».
|
||
|
||
**⚠ 12/12 — это «починка ПОСАЖЕННОГО», а не чистый эффект стадии.** Тот же арм в тех же вызовах
|
||
ВНОСИТ новые дефекты, которых в черновике не было (найдено ревью, вскрыто по сырью):
|
||
|
||
| Файл | Внесённый дефект | Против чего |
|
||
|---|---|---|
|
||
| `edp-A5-w4` | «тяжкий груз **полувекового** упорного подвижничества» (50 лет) — при том, что двумя абзацами выше тот же выход пишет «пятьсот лет» | `还存在着这**五百年**来,苦修的沉重经历` |
|
||
| `edp-A5-w3` | выход **оборван на полуслове**: «…будет обладателем таланта первого...» при `finish=stop` и 1176 из 16000 токенов | потеря смысловых атомов, мандат «сохраняй ПОЛНОТУ» |
|
||
| `edp-A5-w2` | одна реплика разбита на три абзаца через «—» (порча атрибуции речи); `花酒行者` переименован «Цветочный Бражник» → «Хмельной Странник» | реалия вне блока плывёт так же, как термы в §A.1 |
|
||
|
||
Обрыв при `finish=stop` — **кандидат в `00-provider-quirks.md`**: тот же класс тихой обрезки, что
|
||
зарегистрирован за `gpt-5.4` на `reasoning_effort:"medium"` (exp14b/D38), но здесь на
|
||
`deepseek-v4-pro` при дефолтном `high` и незадействованном бюджете. Ни `finish`, ни длина его не
|
||
выдают; поймал бы regression_guard по обвалу длины, но в этой пробе гейты не участвовали.
|
||
|
||
**Вывод: редактор чинит посаженные дефекты 12/12, но не является «чистым улучшением» — он в тех же
|
||
вызовах ломает терминологию (5–12 из 20 клеток) и вносит собственные смысловые/структурные дефекты.
|
||
Первую ось закрывает блок банка, вторая ($A5$-класс) не закрыта ничем и не мерена систематически.**
|
||
|
||
### A.4 AM — метаязыковое окно (оговорка области)
|
||
|
||
Окно натуральное: параграфы 517–521 (`蛊名月光` — имя названо как имя; `弯弯如月`; рядом обычные
|
||
терминные употребления `月光蛊`). Черновик (`edp-AMdraft`, транслятор арма B) передал имя ПО СМЫСЛУ —
|
||
«Название гу — лунный свет» ⇒ сработала ветка пре-рега «идёт как есть», посадки НЕ было.
|
||
|
||
**Пре-регистрированный результат (по 1 вызову на арм): критерий 4 «оговорка работает» — НЕ
|
||
ВЫПОЛНЕН.** Ни один арм не передал пассаж по смыслу: с оговоркой предложение об имени ИСЧЕЗЛО
|
||
(«Это Гу — тайная реликвия клана…»), без оговорки — свёрнуто в определение через канон-форму.
|
||
|
||
**Пост-хок репликация (девиация от пре-рега, объявляю: +4 вызова, $0.006143, потолок не задет;
|
||
пре-регистрированный вердикт выше ею НЕ переписывается).** N=3 на арм:
|
||
|
||
| Арм | Передача `蛊名月光` | `古月` (терма НЕТ в блоке) |
|
||
|---|---|---|
|
||
| закон+оговорка | пассаж потерян 1/3 · канон-форма приклеена к «звалось/называлось» 2/3 · **по смыслу 0/3** | «клан Древней Луны» 3/3 |
|
||
| закон без оговорки | определение через канон 1/3 · **по смыслу 2/3** («Гу звался лунным светом», «звалось Лунным светом») | «клан Гу Юэ» 2/3 · «Древней Луны» 1/3 |
|
||
|
||
**Направление обратно гипотезе §B: оговорка не только не включила смысловую передачу — арм БЕЗ неё
|
||
дал её чаще.**
|
||
|
||
Побочный сигнал по `古月` **сформулирован через базу черновика** (ревью справедливо поймало, что без
|
||
неё вывод не держится): черновик `edp-AMdraft` УЖЕ нёс «клана Древней Луны» дважды. Значит арм с
|
||
оговоркой ничего по смыслу не перевёл — он **сохранил черновик 3/3**, а арм без оговорки
|
||
**исправил** его на «Гу Юэ» 2/3. Две равно совместимые гипотезы, ни одна не отброшена:
|
||
(i) оговорка читается шире области и лицензирует смысловую передачу имени вне блока;
|
||
(ii) оговорка просто делает редактора КОНСЕРВАТИВНЕЕ — он меньше правит черновик вообще.
|
||
Гипотеза (ii) экономнее и согласуется с тем, что арм с оговоркой в r1 ещё и выбросил предложение
|
||
(нарушив «сохраняй ПОЛНОТУ») и переврал `镇族蛊虫` в «тайную реликвию клана».
|
||
|
||
Ограничения, которые запрещают абсорбировать это как решение: один пассаж, N=3 на арм,
|
||
`temperature` в thinking-режиме DeepSeek игнорируется (quirks 00) ⇒ разброс — недетерминизм
|
||
провайдера, `古月` вне блока, и обе формулировки в 100% случаев не воспроизвели черновик дословно
|
||
(редактор реверстывает). **Статус: кандидат-редакция §B в части оговорки НЕ ПОДТВЕРЖДЕНА и к
|
||
внесению в движок не готова; сам единый закон-блок (одна секция вместо двух) подтверждён — A1 21/21.**
|
||
*(дубль-абзац снят — испр. оркестратором, D39.108)*
|
||
|
||
### A.5 «Заявление = команда» (проба A)
|
||
|
||
| Число | Команда |
|
||
|---|---|
|
||
| байт-идентичность провода (3 sha256) | `go test -overlay <scratch>/overlay.json -run TestZZWireProbe ./internal/pipeline/ ./internal/membank/` + `editor_wire_probe.py --dump edp-A2-w3` |
|
||
| смета до запуска | `editor_wire_probe.py --plan` |
|
||
| §C воспроизведён, конфаунд развязан | `editor_wire_probe.py --selfcheck` |
|
||
| 15/21 · 21/21 · 21/21 · 2/6 · 6/6 · 1/6 · 6/6 · 6/6 · 6/6 | `editor_wire_probe.py --score` |
|
||
| A5 как второй контроль (8/21 · 0/6 · 12/20), окна A0/A1/A2, счёт УПОТРЕБЛЕНИЙ | инлайн-скрипты пере-рана по сырью (в журнале сессии) |
|
||
| 12 посадок глазами | `editor_wire_probe.py --eyes` |
|
||
| внесённые редактором дефекты (обрыв w3 · «полувекового» w4 · реплика/реалия w2) | инлайн-грепы по `edp-A5-w*.json` |
|
||
| деньги, finish, слаг, соответствие провода пре-регу | инлайн-скрипт пересчёта по сырью `edp-*.json` (в журнале сессии) |
|
||
|
||
---
|
||
|
||
## §C. Проба C — фронтир-пасс по голду
|
||
|
||
15 вызовов ростера + 4 микро-вызова wire-пробы. Все `finish=stop`, слаг-дрейфа нет, деньги сверены
|
||
вторым путём из сырья ($0.103125 против записанных $0.103124 — округление). **$0.104097 при
|
||
потолке $0.50.**
|
||
|
||
### C.1 Wire-квирк GPT-5.6 — ЗАМЕРЕН, не угадан
|
||
|
||
> ### ⚠ ДЕВИАЦИЯ ПРЕ-РЕГА №2 (объявляю)
|
||
> Пре-рег §0C потолка вывода на кандидата не называл. В прогоне стояли РАЗНЫЕ:
|
||
> `deepseek-v4-pro` и `gpt-5.6-luna` — `max_completion_tokens` 16000, `gpt-5.6-terra` — **8000**
|
||
> (защита потолка $0.50 при цене выхода $12/M). На числа не повлияло: максимум фактического вывода
|
||
> по всем 15 вызовам — 1092 токена, упоров в cap нет, все `finish=stop`.
|
||
> ### ⚠ Харнесс пробы C вне фриза
|
||
> Пре-рег-коммит `080c15d` заморозил текст §0C и `editor_wire_probe.py`, но `frontier_probe.py`
|
||
> написан ПОСЛЕ и остался untracked. Критерии C заморожены текстом, слаги и цены сняты до запуска,
|
||
> но «заявление = команда» §C.4 опирается на код вне фриза — это слабее, чем в §A.
|
||
|
||
Плоский `reasoning_effort` в **Chat Completions живой** на обоих слагах: `reasoning_tokens`
|
||
0 → 48 (`gpt-5.6-terra`) и 0 → 57 (`gpt-5.6-luna`) при `none` → `high`. Responses API не
|
||
понадобился; прецедент exp08 (молчаливое проглатывание вложенной формы) здесь не воспроизвёлся.
|
||
Основной прогон: `reasoning_effort:"low"`, `max_completion_tokens`, без `temperature`.
|
||
Для `deepseek-v4-pro` reasoning-параметр не слался (на pro `low` маппится в `high`).
|
||
**Кандидат в `00-provider-quirks.md`** (строка для GPT-5.6, если семейство войдёт в ростер).
|
||
|
||
### C.2 Точность против голда (45 термов) и цена
|
||
|
||
| Пасс | Строго | С фолдом конвенции¹ | $ пасса | $/книга² |
|
||
|---|---|---|---|---|
|
||
| **glm-5** (чемпион §B3) | **25/45** | 26/45 | $0.018495 | $0.59 |
|
||
| mistral-large-2512 | 23/45 | 23/45 | $0.012808 | $0.41 |
|
||
| deepseek-v4-flash low | 20/45 | 24/45 | $0.007921 | $0.25 |
|
||
| **deepseek-v4-pro** | 16/45 | 24/45 | $0.013560 | $0.43 |
|
||
| **gpt-5.6-terra** | 18/45 | **26/45** | $0.082204 | **$2.61** |
|
||
| **gpt-5.6-luna** | 18/45 | **26/45** | **$0.007360** | **$0.23** |
|
||
|
||
¹ фолд пробелов/дефисов при сравнении. Состав поднятых клеток проверен поимённо (правка по ревью —
|
||
прежняя формулировка «ровно один класс, 8 поверхностей семьи 古月» неверна): у terra/luna/pro фолд
|
||
поднимает **8 клеток = 7 поверхностей семьи `古月` + `人祖`** («Жэнь-цзу» против голда «Жэньцзу» —
|
||
другой терм и другой класс), у glm-5 — **1 клетку** (`人祖`). ⚠ **И фолд не нейтрален между
|
||
кандидатами:** у terra/luna семейные клетки выглядят как «Гу Юэ Мо Бэй» (разорваны И фамилия, И
|
||
личное имя — две ошибки конвенции), у pro — «Гу Юэ Мобэй» (одна). Фолд склеивает их в одну ⇒
|
||
он **чуть льстит фронтиру относительно pro**, и «net ±0» для terra/luna — ВЕРХНЯЯ оценка.
|
||
² методика research/24 §B5: 2000 различных строк банка на книгу.
|
||
|
||
### C.3 Вердикт по пре-регистрированному критерию
|
||
|
||
Парное преимущество над `glm-5` (нужно ≥ +5):
|
||
|
||
| Кандидат | Строго | С фолдом конвенции | Вердикт |
|
||
|---|---|---|---|
|
||
| deepseek-v4-pro | +1 / −10 (net −9) | +1 / −3 (net −2) | **не оправдан** |
|
||
| gpt-5.6-terra | +2 / −9 (net −7) | +2 / −2 (net **±0**) | **не оправдан** |
|
||
| gpt-5.6-luna | +3 / −10 (net −7) | +3 / −3 (net **±0**) | **не оправдан** |
|
||
|
||
**«Фронтир для роли терминолога НЕ ОПРАВДАН» — легитимный исход, зафиксированный пре-регом.**
|
||
|
||
**Но сырой вердикт был бы неправдой о причине, и это ключевая находка §C.** Строгий счёт говорит
|
||
«фронтир ХУЖЕ чемпиона на 7–9»; после снятия ОДНОГО класса — конвенции транскрипции — разрыв
|
||
исчезает целиком (net ±0), а terra и luna догоняют glm-5 до 26/45. То есть 7 из 9 «промахов»
|
||
фронтира — не ум, а орфографическая конвенция (`古月` → «Гу Юэ» вместо «Гуюэ»), которую glm-5 и
|
||
mistral угадали, а deepseek-pro, terra и luna — нет. **Это ровно та конвенция, которую
|
||
research/24 §D п.9 предлагает завести ДАННЫМИ пар-промпта (класс Z-B3); замер даёт ей цену: 8
|
||
поверхностей из 45 = 18% голда, и она перекрывает любую разницу между моделями на этом ростере.**
|
||
|
||
**Экономический вывод сильнее качественного:** `gpt-5.6-luna` даёт 26/45 (фолд) за **$0.23/книга**
|
||
против $0.59 у glm-5 — качество неотличимо на N=45 (разница ±3 при собственном пороге проекта +5),
|
||
цена **в 2,6× ниже**, и она же дешевле нынешнего flash-low ($0.25) при +2 клетках. `gpt-5.6-terra`
|
||
даёт то же качество за $2.61/книга — **в 11× дороже luna, покупает 0 клеток**: расход ума на этой
|
||
задаче не конвертируется. `deepseek-v4-pro` — 24/45 за $0.43, хуже flash-low по деньгам и не лучше
|
||
по качеству ⇒ довод «взять pro, он умнее» на роли терминолога эмпирически пуст.
|
||
|
||
Единицы, вскрытые глазами: `古月冻土` gold «Гуюэ Дунту» → у terra/luna/pro «Гу Юэ Дунту» (та самая
|
||
конвенция); `开窍` gold «открытие апертуры» — взяли ОБА фронтира, glm-5 потерял; `空窍` gold
|
||
«апертура» — то же; `蛊师` gold «гу-мастер» → terra «мастер Гу», pro «мастер Гу» (тот же класс
|
||
порядка слов, что ломает редактор без блока в §A.1).
|
||
|
||
### C.4 «Заявление = команда» (проба C)
|
||
|
||
| Число | Команда |
|
||
|---|---|
|
||
| слаги живые | `frontier_probe.py --slugcheck` |
|
||
| ручка reasoning живая (0→48 / 0→57) | `frontier_probe.py --wirecheck` |
|
||
| смета | `frontier_probe.py --plan` |
|
||
| 25/23/20/16/18/18 из 45, парные, $/книга | `frontier_probe.py --score` |
|
||
| фолд конвенции 26/24/23/24/26/26 | инлайн-скрипт с `nosp()` (в журнале сессии) |
|
||
| деньги вторым путём, finish, слаг-дрейф | инлайн-скрипт пересчёта по сырью `fdp/flu/fte-b*.json` |
|
||
|
||
### C.5 КОНТРОЛЬ 05.08: чемпион с ВКЛЮЧЁННЫМ мышлением (закрывает ограничение №5) *(перенумеровано из второго §C.4 — испр. оркестратором)*
|
||
|
||
Дозамер по ревью посылки. §C сравнивал пассы в разных reasoning-режимах: чемпион `glm-5` ехал
|
||
`thinking:{"type":"disabled"}`, а претенденты с разумом (`v4-pro` default, `terra`/`luna` low).
|
||
Ограничение объявлялось, но замером закрыто не было — то есть оставалась живая гипотеза «чемпион
|
||
был искалечен, и паритет luna ему просто померещился».
|
||
|
||
Контроль `glm2`: тот же ростер, те же 5 батчей, тот же промпт и та же добавка `CONF_NUM`, меняется
|
||
РОВНО ОДНО — мышление не отключается. Харнесс `eval/premise_review/glm_thinking_control.py`, риг
|
||
`consilium_probe.py` не правился. Счёт — независимым парсером `eval/premise_review/recount.py`.
|
||
|
||
| Пасс | Режим | Строго | Выход, ток. (по батчам) | $ пасса | $/книга |
|
||
|---|---|---|---|---|---|
|
||
| `glm1` | thinking **off** | **25/45** | 199 · 178 · 197 · 150 · 11 | $0.018495 | $0.59 |
|
||
| `glm2` | thinking **on** | **24/45** | 3492 · 7275 · 4619 · 4222 · 378 | $0.081326 | **$2.60** |
|
||
|
||
**Гипотеза «чемпион был искалечен» — ОПРОВЕРГНУТА.** Включение мышления не подняло качество, а
|
||
дало −1 клетку при цене **в 4,4× выше**. Δ=−1 на N=45 лежит внутри шума, поэтому корректная
|
||
формулировка — не «мышление вредит», а **«на роли терминолога размышление не конвертируется в
|
||
качество вообще»**: тот же результат, что §C.3 получил на `terra` (11× цены `luna`, 0 клеток).
|
||
|
||
Следствия: (1) ограничение №5 снято — вывод §C от асимметрии режимов не зависел, и асимметрия
|
||
была не в пользу претендентов, а против них; (2) побочный вывод про `luna` сохраняется, но его
|
||
формулировка усиливается: `luna` держит паритет не с ослабленным, а с ЛУЧШИМ из двух режимов
|
||
чемпиона; (3) роль терминолога — кандидат на явное отключение мышления там, где провайдер это
|
||
позволяет: $0.59 против $2.60 за книгу при равном качестве.
|
||
|
||
⚠ Контроль добавлен ПОСЛЕ основного прогона и вне пре-рега §0C — объявляется как девиация. Он
|
||
способен был только ухудшить собственный побочный вывод сессии (паритет `luna` исчез бы, поднимись
|
||
`glm2` выше 25), поэтому не является подгонкой ворот; но и не является пре-регистрированным.
|
||
|
||
---
|
||
|
||
## §D. Деньги, критик полноты, ограничения
|
||
|
||
### Леджер
|
||
|
||
| Статья | Вызовов | $ |
|
||
|---|---|---|
|
||
| A: 26 пре-регистрированных вызовов v4-pro | 26 | 0.063867 |
|
||
| A: черновик метаязыкового окна (flash) | 1 | 0.000283 |
|
||
| A: пост-хок репликация AM (девиация, объявлена) | 4 | 0.006143 |
|
||
| **ПРОБА A** | **31** | **0.070293** (потолок $0.30) |
|
||
| C: ростер, 3 кандидата × 5 батчей | 15 | 0.103124 |
|
||
| C: wire-проба ручки reasoning | 4 | 0.000973 |
|
||
| **ПРОБА C** | **19** | **0.104097** (потолок $0.50) |
|
||
| **ВСЕГО** | **50** | **0.174390** |
|
||
|
||
Все 50 вызовов `finish=stop` — ⚠ **но это НЕ свидетельство целостности выходов**: `edp-A5-w3`
|
||
оборван на полуслове именно при `finish=stop` (§A.3). Оба пути счёта (лог харнесса и независимый
|
||
пересчёт из `usage` × цен) сходятся до округления. Ни один потолок не задет; живые стопы
|
||
($0.28 / $0.45 + проекционный гард) не срабатывали.
|
||
|
||
### Адверсариальный проход author≠reviewer (норма 01.08; соло-самопроверка платные пробы не закрывает)
|
||
|
||
Независимый агент прошёл от ЗАДАНИЯ и СЫРЬЯ к отчёту (в таком порядке), пере-считал все числа §A и
|
||
§C СВОИМ кодом, не вызывая функций автора. **Вердикт: принять с правками.** Все числа —
|
||
CONFIRMED (включая знаменатели, поклеточные списки, деньги, sha256 провода и фриз пре-рега
|
||
19:58:35Z против первого платного вызова 19:59:21Z). Восемь находок СВЕРХ отчёта, все проверены
|
||
мной по сырью и все подтвердились; каждая вправлена в текст выше:
|
||
девиация заголовка (скобка) · A5 как второй контроль 8/21 · дефекты, ВНЕСЁННЫЕ редактором · слепота
|
||
leakage-метрики · отсутствие базы черновика в выводе про `古月` · состав фолда 7+`人祖` и его
|
||
несимметричность · необъявленный `cap=8000` у terra · `frontier_probe.py` вне фриза.
|
||
Один клейм ревьюера я сначала не воспроизвёл («полувекового») — при прямой проверке токеном он
|
||
оказался верен, ошибка была в моём поиске.
|
||
|
||
Что осталось НЕ проверенным ревьюером (его слова, не додумано): оговорка (а) ревью-шапки
|
||
`research/24` и ре-ран §C по `inj-w*` им не пере-считывались — эти два клейма стоят только на моей
|
||
проверке (§A.0).
|
||
|
||
### Критик полноты — чего этот отчёт НЕ говорит
|
||
|
||
1. **N=6 окон, одна книга, одна пара.** Всё §A — zh→ru, `蛊真人`, 10 глав. Перенос на ja/en не
|
||
мерен (research/24 §E мерил его на ТРАНСЛЯТОР-проводе, не на редакторском).
|
||
2. **Одна неверная строка одного класса.** `元海` — многословный термин с прозрачной внутренней
|
||
формой. Короткое фонетическое имя может вести себя иначе; 6/6 — про этот класс.
|
||
3. **A5: дефекты посажены мной, не пойманы в бою.** 12/12 — верхняя оценка: посадки заметны и
|
||
локальны, реальные дефекты черновика тоньше. И это только ось «починил посаженное»: ось
|
||
«внёс своё» посчитана лишь качественно (3 случая, §A.3), систематически не мерена.
|
||
3а. **База контроля без блока нестабильна** (15/21 против 8/21 на двух розыгрышах) ⇒ величину
|
||
эффекта инъекции этой пробой назвать нельзя, только направление. Нужен контроль с N≥3
|
||
розыгрышами на окно.
|
||
4. **AM: один пассаж.** Обратное направление (оговорка мешает) — сигнал, а не решение; нужен второй
|
||
метаязыковой пассаж и второй терм, прежде чем править `injection.txt`.
|
||
5. **§C сравнивает пассы в РАЗНЫХ reasoning-режимах** (glm-5 thinking off · flash/terra/luna low ·
|
||
pro high). Это шиппинг-режимы, а не выровненный эксперимент: вывод «ум не докупается» держится
|
||
на паре (качество, цена), а не на равенстве бюджета размышления.
|
||
**⇒ ЗАКРЫТО ЗАМЕРОМ 05.08 (§C.5):** чемпион прогнан с ВКЛЮЧЁННЫМ мышлением — 24/45 против
|
||
25/45, то есть оговорка была в пользу чемпиона напрасно, и вывод от неё не зависел.
|
||
6. **Голд = 45 подписанных владельцем строк.** «Ошибка» модели против голда включает вкусовые
|
||
решения владельца, автономно недостижимые (research/24 §D п.4).
|
||
7. **Не сделано:** причинный A/B `no/proper/random` глоссария на редакторе (только no/proper/wrong);
|
||
замер на подписанных-и-неподписанных строках вместе (двухсекционка не гонялась ВООБЩЕ — единый
|
||
блок её заменил по §B, так что вопрос «двухсекционка против единой» остался неизмеренным, а не
|
||
решённым); фетч-сторона не трогалась.
|
||
8. **Data-sharing OpenAI отключён — со слов промта оркестратора**, сессией не верифицировано.
|
||
|
||
### Что из этого — вход для решения владельца/оркестратора
|
||
|
||
- **Подтверждено:** единый закон-блок исполняется 21/21 (по присутствию формы); консистентность
|
||
единогласна 6/6; цена неверной строки на редакторе = цене на трансляторе (6/6, вытеснение 5/6).
|
||
- **Новое и не предполагавшееся:** редактор без блока сам ломает 5–12 из 20 верных клеток черновика
|
||
(два розыгрыша контроля) ⇒ инъекция редактору нужна не «на всякий случай», а как несущая защита;
|
||
и она же — единственный канал, которым неверная строка гарантированно доедет до финала.
|
||
- **Новое, требующее гейта, а не доктрины:** редактор ВНОСИТ собственные дефекты — тихий обрыв
|
||
выхода при `finish=stop`, число 五百年→«полувекового», разбиение реплики, переименование реалии
|
||
вне блока. Обрыв — кандидат в `00-provider-quirks.md` по `deepseek-v4-pro`.
|
||
- **Не подтверждено:** оговорка области §B (обратное направление на N=3+1). В движок не вносить.
|
||
- **Побочно:** конвенция `古月` слитно стоит 8/45 голда и перекрывает разницу между всеми
|
||
протестированными моделями — рычаг данных сильнее рычага модели (усиливает research/24 §D п.9).
|
||
- **Побочно:** `gpt-5.6-luna` — то же качество, что glm-5, за 39% его цены; кандидат в замену
|
||
терминолога, если владелец захочет тронуть эту роль (не решение сессии). Контроль §C.5 усилил
|
||
формулировку: паритет держится против ЛУЧШЕГО из двух режимов чемпиона, а не против ослабленного.
|
||
- **Побочно, новое (§C.5):** на роли терминолога размышление не конвертируется в качество ни у
|
||
одной проверенной модели — `glm-5` с мышлением 24/45 против 25/45 без него при 4,4× цены,
|
||
`terra` при 11× цены `luna` покупает 0 клеток. Рычаг роли — данные (конвенция `古月`, 8/45), не ум.
|