用私有题库 AMBER 每周实测 GPT 系模型(含不同推理档位),只公开结果,不公开题目。 English: README.en.md
- 每周一期
results/YYYY-Www.md：同题、同 harness，对目标模型跑全库；同模型不同 effort 档位并排。 - 一期固定报告：题集规模与哈希、每案 d2 分与通过/失败、终端终态、token 用量与时延、环境指纹、按证据纪律写的定性裁决。
- 题目、oracle、transcript、中间产物永不公开(见下「发布纪律」)。
- 姐妹仓:amber-crof(CrofAI 周测)、amber-ollama(Ollama Cloud 周测)。
- AMBER 是 agentic 实战题库(施工/运维/审查/视觉/需求漂移),规范与制题工具见 getaskclaw/amber-eval;考题本体私有。
- 只发：分数与聚合、token 用量、速度、定性裁决。
- 永不发：题目内容、oracle/判分器、transcript、考生工作区、任何能复原题面的中间产物。
- 每期必钉：模型 ID、effort 档、日期(UTC)、harness 版本、每案内容哈希(bundle_sha)。哈希用于对照 amber-eval 的公开哈希清单,自证题集未变。
- 案号与题目结构属私有面：公开结果里案例只用稳定别名(A-xxxxxxxx,哈希派生)+ bundle 哈希作句柄；内部案号、变体名、题目描述永不出现。
- 基调：这是社区周测,不是对厂商的攻击。数据说话,措辞克制。
同名模型、同 provider,两次跑也可能不同分——推理参数、负载、服务端版本都在漂。所以这里的一切结论都带日期与档位,且按周重测。单日数字是快照,不是定律。
| 期 | 内容 | 结论 |
|---|---|---|
| 2026-W36 | gpt-6-astra-900k 五档(low→max)全库 | 不单调:12→14→14→10→10;medium 是甜点,xhigh/max 反噬;顶档 UI 案零交付 |
| 2026-W37 | gpt-5.6-luna-900k 三档 + gpt-5.6-sol-900k 两档(23 案新库);astra 裸 base 补考 2 新案(addendum) | luna 三档同分同名单(15/23),effort 零收益,xhigh=2.9x 纯浪费;sol 无一档赢 luna;xhigh 超时墙再现顶档反噬;astra 补考全过→合成 16/23(-900k 变体已被收回,口径混合已标注) |
与 OpenAI 无任何隶属/赞助关系。分数是特定周、特定档位的快照,不构成采购建议。