封进琥珀，重做当时的题。
English readers: the normative documents are in English — start with AMBER-Core-Specification.md.
一种正式的评测方法：取一个真实、可审计的历史事件，把现场精确还原到"答案揭晓之前"那一刻；候选人只能拿到当时可得的信息，揭晓后的证据与评分材料全部物理封存；候选人诊断、决策、行动、弃权、拒绝或升级；评分标准在看到任何输出之前就已冻结；一切留档、可审计。
公开基准是静态公开题库：训练污染普遍且无法审计，分数持续通胀，而且静态问答测不出真实工作真正要求的能力——多步诊断、弃权、拒绝、不确定下的升级。AMBER 回放来源受控的真实事件，泄漏状态可核查。它与公开基准并行使用，永远不替代它们。
- 运行时密封 ≠ 训练数据纯净：封存的是运行时证据，不证明模型训练时没见过未来事实。
- 历史结果是证据，不是唯一正解。
草案 v0.2.2。规范本体（Core）已稳定；schemas/、profiles/ 与建案/运行工具尚未发布——目前仅凭本仓库还无法执行一次合规运行。建设路线与里程碑见 PLAN.md。
- AMBER-Core-Specification.md — 规范本体：目的、定义、机制、8 条不变量、8 条边界、认识论限制、命名评审、采用规则
- protocols/distribution.md — 案件跨主机分发协议（v0.3）：公开/私有频道划分、固定构造的 git bundle、分离式签名清单、公开索引、密封探针、泄漏窗口的裁定规则、运行记录、可比性与验证矩阵
- hash-index/v2026-09.md — 公开哈希索引：当前评测题集(23 案)每案的别名 + bundle/oracle 双哈希;结果仓每期矩阵以此为准对照
- PLAN.md — 状态、里程碑（建案工具 → 参考运行器 → 评分与裁判 → 统计 → 公开索引）、待决设计问题
- CONTRIBUTING.md — 贡献规则：本仓库绝不接收案件内容、规范文档的版本与修订政策、Core 规范按字节哈希锁定的含义
成绩与题目分离发布:结果公开、题目永不公开。下列仓库按周发布全库实测(别名 + bundle 哈希对照本仓库公开哈希索引):
- amber-crof — CrofAI 在售模型周测
- amber-deepseek — DeepSeek 官方 API 模型周测
- amber-devin — Devin 模型周测
- amber-ollama — Ollama Cloud 模型周测
- amber-gpt — GPT 系模型 × 推理档位周测
当前前三(截至 2026-W37,全库 23 案¹,effort=high):
| # | 模型 @ 端点 | 通过 | 出处 |
|---|---|---|---|
| 1 | glm-5.3-flash @ Ollama Cloud | 17/23（1 案待重判) | amber-ollama W37 |
| 2 | gpt-6-astra-900k @ OpenAI Codex | 16/23 | amber-gpt W37（并列:qwen3.8-27b @ CrofAI,amber-crof W37) |
| 3 | gpt-5.6-luna-900k @ OpenAI Codex | 15/23 | amber-gpt W37（并列:deepseek-v4-flash-0731 @ CrofAI、deepseek-v4-flash:0731 @ Ollama Cloud) |
¹ 2026-09-08 起表头从 21 案公共子集翻到全库 23 案:CrofAI/Ollama/astra 三道已补考 09-07 新增 2 运维案(12/12 卷验脑+bundle 哈希全绿)。astra 的 16/23 = W36 -900k 14 案 + W37 裸 gpt-6-astra 补考 2 案(-900k 变体已被服务端收回,口径混合已在期文标注)。跌出/未入:glm-5.3-flash @ CrofAI 14/23(原 #3 并列)、devin swe-1-7-medium 14/23、deepseek-v4.1-flash-exp(预览,官方道)14/23、gpt-5.6-sol-900k 14/23。
Apache-2.0 — 见 LICENSE。