影子模式（只计算、只展示）

零 Token 自动更新实验室

这里把固定规则跑在 2026-07-10 打包快照上，展示“如果按规则判断，会得到什么候选结果”。它不会修改正式结论，也不会自行学习。

本次结果检查 5 类场景：1 项保持，1 项建议人工复核，2 项证据不足，1 项被阻断

规则发现 4 项值得观察的候选差异或阻断；它们不会自动生效。

正式报告继续保持不变

查看差异返回正式报告

先分清两套结论

一个正式使用，一个只做试运行

正式结论

首页正在使用

来自本轮人工调研和多来源核验。本实验把它当作只读基线，只在最后比较差异。

候选结论

固定规则试运行

相同输入必定得到相同结果。它只用于比较和观察，不代表已经通过人工复核。

本次规则运行结果

正式结论和候选结论

正式结论是首页当前采用的版本；候选结论只用于观察，不代表已经通过人工复核。

当前显示 5 个场景；候选变化不会自动生效

通用推理

候选变化：正式为 Fable 5、Sol，候选为 Fable 5

建议人工复核

正式结论（首页正在使用）Fable 5 与 Sol 同处通用推理前沿

来自本轮人工调研和多来源核验，本实验不会修改它。

候选结论（规则试运行）影子候选建议 Fable 5；仅供人工复核，不会修改正式结论。

只用于比较和观察，不代表已经通过人工复核。

为什么得到这个结果

2 个原始指标先在各自相同测试环境内比较，再汇总跨来源支持。
Fable 5 的时间与来源质量加权分为 100，获得 2 个独立来源支持。

判断把握: 高（88/100）
独立来源: 2 组
最近测量: 2026-07-02 00:00 UTC
比较指标: AA v4.1 分数、Vals Index %

查看使用的观测数据

Fable 5 · 已核验原始榜单快照 AAA v4.1 分数：60观测编号：general-fable-aAA v4.1 max · 2026-06-28 00:00 UTC
Fable 5 · 已核验原始榜单快照 BVals Index %：75.14观测编号：general-fable-bVals Index 2026-07 · 2026-07-02 00:00 UTC
Sol · 已核验原始榜单快照 AAA v4.1 分数：59观测编号：general-sol-aAA v4.1 max · 2026-06-28 00:00 UTC
Sol · 已核验原始榜单快照 BVals Index %：72.63观测编号：general-sol-bVals Index 2026-07 · 2026-07-02 00:00 UTC

查看规则轨迹

R1_INPUT_SCHEMA · 通过版本与字段验证
快照 bundled-2026-07-10-v1 使用 shadow-snapshot/v1，观测均带来源和测量时间。
涉及观测：general-fable-a、general-fable-b、general-sol-a、general-sol-b
R2_COMPARABILITY · 通过可比性过滤
2 个原始指标分别在同一指标与环境内比较。
涉及观测：无
R3_CROSS_SOURCE · 通过独立来源交叉支持
Fable 5：2/2；Sol：2/2
涉及观测：general-fable-a、general-fable-b、general-sol-a、general-sol-b
R4_SOURCE_QUALITY · 通过来源等级门槛
所有入选观测均达到 B 级门槛。
涉及观测：无
R5_FRESHNESS_ANOMALY · 通过新鲜度与异常阻断
入选观测均在 180 天有效期内，未触发异常跃迁。
涉及观测：无
R6_TIE_MARGIN · 已选择并列阈值
Fable 5 超出并列阈值。
涉及观测：general-fable-a、general-fable-b
R7_CONFIDENCE · 已选择置信度映射
置信度高（88/100）：领先模型获得 2 个独立来源交叉支持。
涉及观测：general-fable-a、general-fable-b、general-sol-a、general-sol-b
R8_FORMAL_DIFF · 候选变化正式基线差异
候选变化：正式为 Fable 5、Sol，候选为 Fable 5
涉及观测：general-fable-a、general-fable-b、general-sol-a、general-sol-b

仓库修复

证据不足：未生成可替换 Sol 的候选结论

证据不足

正式结论（首页正在使用）仓库修复优先 Sol

来自本轮人工调研和多来源核验，本实验不会修改它。

候选结论（规则试运行）可用独立证据不足，本轮不生成候选更新；正式结论仍为“仓库修复优先 Sol”。

只用于比较和观察，不代表已经通过人工复核。

为什么得到这个结果

1 个原始指标先在各自相同测试环境内比较，再汇总跨来源支持。
Fable 5 独立来源不足（1/2）；Sol 独立来源不足（1/2），不能推动更新。

判断把握: 无（0/100）
独立来源: 0 组
最近测量: 暂无可用时间
比较指标: SWE-bench Verified 通过率 %

查看使用的观测数据

Fable 5 · 已核验原始榜单快照 ASWE-bench Verified 通过率 %：95观测编号：repo-fable-aVals SWE-bench Verified · 2026-07-01 00:00 UTC
Sol · 已核验原始榜单快照 ASWE-bench Verified 通过率 %：96.2观测编号：repo-sol-aVals SWE-bench Verified · 2026-07-01 00:00 UTC

查看规则轨迹

R1_INPUT_SCHEMA · 通过版本与字段验证
快照 bundled-2026-07-10-v1 使用 shadow-snapshot/v1，观测均带来源和测量时间。
涉及观测：repo-fable-a、repo-fable-b、repo-sol-a、repo-sol-b
R2_COMPARABILITY · 已过滤可比性过滤
1 个原始指标完成组内比较；2 条缺少同组对照的观测被排除。
涉及观测：repo-fable-b、repo-sol-b
R3_CROSS_SOURCE · 已阻断独立来源交叉支持
Fable 5：1/2；Sol：1/2
涉及观测：repo-fable-a、repo-sol-a
R4_SOURCE_QUALITY · 通过来源等级门槛
所有入选观测均达到 B 级门槛。
涉及观测：无
R5_FRESHNESS_ANOMALY · 通过新鲜度与异常阻断
入选观测均在 180 天有效期内，未触发异常跃迁。
涉及观测：无
R6_TIE_MARGIN · 证据不足并列阈值
达到最低证据数的可比模型少于 2 个，不能进行竞争选择。
涉及观测：无
R7_CONFIDENCE · 已选择置信度映射
置信度无（0/100）：没有达到最低门槛的可比证据。
涉及观测：无
R8_FORMAL_DIFF · 已阻断正式基线差异
证据不足：未生成可替换 Sol 的候选结论
涉及观测：无

完整应用

保持：候选与正式结论一致（Fable 5）

保持

正式结论（首页正在使用）完整应用优先 Fable 5

来自本轮人工调研和多来源核验，本实验不会修改它。

候选结论（规则试运行）候选结论与正式基线一致：推荐 Fable 5。

只用于比较和观察，不代表已经通过人工复核。

为什么得到这个结果

2 个原始指标先在各自相同测试环境内比较，再汇总跨来源支持。
Fable 5 的时间与来源质量加权分为 100，获得 2 个独立来源支持。

判断把握: 高（88/100）
独立来源: 2 组
最近测量: 2026-07-04 00:00 UTC
比较指标: CursorBench 3.2 得分 %、Vibe Code Bench 得分 %

查看使用的观测数据

Fable 5 · 已核验原始榜单快照 AVibe Code Bench 得分 %：90.35观测编号：app-fable-aVals Vibe Code · 2026-06-30 00:00 UTC
Fable 5 · 已核验原始榜单快照 BCursorBench 3.2 得分 %：89.8观测编号：app-fable-bCursor max effort · 2026-07-04 00:00 UTC
Opus 4.8 · 已核验原始榜单快照 AVibe Code Bench 得分 %：82.72观测编号：app-opus-aVals Vibe Code · 2026-06-30 00:00 UTC
Opus 4.8 · 已核验原始榜单快照 BCursorBench 3.2 得分 %：62.3观测编号：app-opus-bCursor max effort · 2026-07-04 00:00 UTC

查看规则轨迹

R1_INPUT_SCHEMA · 通过版本与字段验证
快照 bundled-2026-07-10-v1 使用 shadow-snapshot/v1，观测均带来源和测量时间。
涉及观测：app-fable-a、app-fable-b、app-opus-a、app-opus-b
R2_COMPARABILITY · 通过可比性过滤
2 个原始指标分别在同一指标与环境内比较。
涉及观测：无
R3_CROSS_SOURCE · 通过独立来源交叉支持
Fable 5：2/2；Opus 4.8：2/2
涉及观测：app-fable-a、app-fable-b、app-opus-a、app-opus-b
R4_SOURCE_QUALITY · 通过来源等级门槛
所有入选观测均达到 B 级门槛。
涉及观测：无
R5_FRESHNESS_ANOMALY · 通过新鲜度与异常阻断
入选观测均在 180 天有效期内，未触发异常跃迁。
涉及观测：无
R6_TIE_MARGIN · 已选择并列阈值
Fable 5 超出并列阈值。
涉及观测：app-fable-a、app-fable-b
R7_CONFIDENCE · 已选择置信度映射
置信度高（88/100）：领先模型获得 2 个独立来源交叉支持。
涉及观测：app-fable-a、app-fable-b、app-opus-a、app-opus-b
R8_FORMAL_DIFF · 保持正式基线差异
保持：候选与正式结论一致（Fable 5）
涉及观测：app-fable-a、app-fable-b、app-opus-a、app-opus-b

终端代理

证据不足：未生成可替换 Sol 的候选结论

证据不足

正式结论（首页正在使用）终端长任务优先 Sol

来自本轮人工调研和多来源核验，本实验不会修改它。

候选结论（规则试运行）可用独立证据不足，本轮不生成候选更新；正式结论仍为“终端长任务优先 Sol”。

只用于比较和观察，不代表已经通过人工复核。

为什么得到这个结果

1 个原始指标先在各自相同测试环境内比较，再汇总跨来源支持。
Fable 5 独立来源不足（1/2）；Sol 独立来源不足（1/2），不能推动更新。

判断把握: 无（0/100）
独立来源: 0 组
最近测量: 暂无可用时间
比较指标: Terminal-Bench 2.1 通过率 %

查看使用的观测数据

Fable 5 · 已核验原始榜单快照 ATerminal-Bench 2.1 通过率 %：80.52观测编号：terminal-fable-aVals Terminus 2 · 2026-07-01 00:00 UTC
Sol · 已核验原始榜单快照 ATerminal-Bench 2.1 通过率 %：85.77观测编号：terminal-sol-aVals Terminus 2 · 2026-07-01 00:00 UTC

查看规则轨迹

R1_INPUT_SCHEMA · 通过版本与字段验证
快照 bundled-2026-07-10-v1 使用 shadow-snapshot/v1，观测均带来源和测量时间。
涉及观测：terminal-fable-a、terminal-fable-b、terminal-sol-a、terminal-sol-b
R2_COMPARABILITY · 已过滤可比性过滤
1 个原始指标完成组内比较；2 条缺少同组对照的观测被排除。
涉及观测：terminal-fable-b、terminal-sol-b
R3_CROSS_SOURCE · 已阻断独立来源交叉支持
Fable 5：1/2；Sol：1/2
涉及观测：terminal-fable-a、terminal-sol-a
R4_SOURCE_QUALITY · 通过来源等级门槛
所有入选观测均达到 B 级门槛。
涉及观测：无
R5_FRESHNESS_ANOMALY · 通过新鲜度与异常阻断
入选观测均在 180 天有效期内，未触发异常跃迁。
涉及观测：无
R6_TIE_MARGIN · 证据不足并列阈值
达到最低证据数的可比模型少于 2 个，不能进行竞争选择。
涉及观测：无
R7_CONFIDENCE · 已选择置信度映射
置信度无（0/100）：没有达到最低门槛的可比证据。
涉及观测：无
R8_FORMAL_DIFF · 已阻断正式基线差异
证据不足：未生成可替换 Sol 的候选结论
涉及观测：无

成本敏感

阻断：存在异常或不完整观测，正式结论 DeepSeek V4 Pro 不变

已阻断

正式结论（首页正在使用）批量成本敏感任务优先 DeepSeek V4 Pro

来自本轮人工调研和多来源核验，本实验不会修改它。

候选结论（规则试运行）存在异常或不完整观测，本轮保留正式结论“批量成本敏感任务优先 DeepSeek V4 Pro”，等待人工复核。

只用于比较和观察，不代表已经通过人工复核。

为什么得到这个结果

1 个原始指标先在各自相同测试环境内比较，再汇总跨来源支持。
DeepSeek V4 Pro 独立来源不足（1/2）；Qwen 3.7 Plus 独立来源不足（1/2），不能推动更新。
Grok 4.5 的异常跃迁已进入阻断区。

判断把握: 无（0/100）
独立来源: 0 组
最近测量: 暂无可用时间
比较指标: 估算任务成本 USD

查看使用的观测数据

DeepSeek V4 Pro · 打包任务成本复算（沿用同一官方价格表）估算任务成本 USD：0.124观测编号：cost-deepseek-b20 万输入 + 4 万输出，无缓存 · 2026-07-09 00:00 UTC
Qwen 3.7 Plus · 打包任务成本复算（沿用同一官方价格表）估算任务成本 USD：0.144观测编号：cost-qwen-b20 万输入 + 4 万输出，无缓存 · 2026-07-09 00:00 UTC

查看规则轨迹

R1_INPUT_SCHEMA · 通过版本与字段验证
快照 bundled-2026-07-10-v1 使用 shadow-snapshot/v1，观测均带来源和测量时间。
涉及观测：cost-deepseek-a、cost-deepseek-b、cost-grok-anomaly、cost-qwen-a、cost-qwen-b
R2_COMPARABILITY · 通过可比性过滤
1 个原始指标分别在同一指标与环境内比较。
涉及观测：无
R3_CROSS_SOURCE · 已阻断独立来源交叉支持
DeepSeek V4 Pro：1/2；Grok 4.5：0/2；Qwen 3.7 Plus：1/2
涉及观测：cost-deepseek-b、cost-qwen-b
R4_SOURCE_QUALITY · 通过来源等级门槛
所有入选观测均达到 B 级门槛。
涉及观测：无
R5_FRESHNESS_ANOMALY · 已阻断新鲜度与异常阻断
检测到异常、未来时间或字段不完整观测，相关模型被阻断。
涉及观测：cost-grok-anomaly
R6_TIE_MARGIN · 证据不足并列阈值
达到最低证据数的可比模型少于 2 个，不能进行竞争选择。
涉及观测：无
R7_CONFIDENCE · 已选择置信度映射
置信度无（0/100）：没有达到最低门槛的可比证据。
涉及观测：无
R8_FORMAL_DIFF · 已阻断正式基线差异
阻断：存在异常或不完整观测，正式结论 DeepSeek V4 Pro 不变
涉及观测：无

安全护栏

被阻断的变化

单一来源、数据过期、字段不完整、测试环境不可比或异常跳变，都不能静默改变候选结论。

已阻断 · 仓库修复

Fable 5

同一指标与测试环境内缺少可比较模型

NON_COMPARABLE · repo-fable-b

已阻断 · 仓库修复

Sol

同一指标与测试环境内缺少可比较模型

NON_COMPARABLE · repo-sol-b

已阻断 · 终端代理

Fable 5

同一指标与测试环境内缺少可比较模型

NON_COMPARABLE · terminal-fable-b

已阻断 · 终端代理

Sol

同一指标与测试环境内缺少可比较模型

NON_COMPARABLE · terminal-sol-b

已阻断 · 成本敏感

Grok 4.5

输入已标记为异常，等待人工核验

ANOMALY_FLAGGED · cost-grok-anomaly

实施状态

自动更新计划：目前做到哪一步

当前只验证“固定输入 → 固定规则 → 实验室候选结果”这条安全链路。

已提供打包数据快照

数据固定在站点版本中，便于重复核对。

已启用固定规则计算

同一输入得到同一输出，所有规则留有轨迹。

已启用实验室展示

只在本页展示候选差异和阻断原因。

待配置外部数据接入待配置

目前不会联网抓取；刷新页面也不会获得新榜单。

待配置定时运行

尚未连接外部调度器，因此不会自行按周更新。

不提供修改正式报告

只有站点所有者明确批准后，才会另行审核和发布。

当前建议

继续只在实验室观察，不替换正式报告

候选结果与正式结论一致，也不等于系统已经得到长期验证。先观察几天或几个月，再由你决定下一步。返回正式报告