用私有题库 AMBER 每周实测 Ollama Cloud 模型，只公开结果，不公开题目。 English: README.en.md
- 每周一期
results/YYYY-Www.md：同题、同档、同 harness，对在售模型跑全库。 - 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、成本与时延、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」)。
- 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。
- 姐妹仓:amber-crof(CrofAI 周测)、amber-gpt(GPT 档位周测)。
- 只发：分数与聚合、成本、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。
| 期 | 内容 | 结论 |
|---|---|---|
| 2026-W36 | 双模型全库:deepseek-v4-flash:0731 / glm-5.3-flash | glm-5.3-flash 15/21 超前沿锚点(14/21)一案+视觉审查案迄今最高分;同名对决实锤「模型名≠能力」 |
| 2026-W37 | 新增 2 运维案补考(补齐 23 案) | glm-5.3-flash 17/23 守擂;d4f:0731 15/23;本场后 amber-eval 前三表翻 23 案 |
与 Ollama 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。