评测报告索引
August 14, 2026 · View on GitHub
⛔ 项目已于 2026-07-23 正式冻结（V4.1b）。 详见根目录
PROJECT_FROZEN.md。 评分面哈希冻结在先（2026-07-19，见v4.1b_freeze_manifest.md）。以下清单只区分现行 / 历史，方便查阅，不代表可重算历史成绩。
阅读顺序（现行）：FINAL_ASSESSMENT → ROUND_SUMMARY → v4.1b_scoreboard → v4.1_efficiency_board → v4.1b_freeze_manifest。
V4.1b（当前正式稳定基线 / 现行）
| 文件 | 说明 |
|---|---|
v4.1b_scoreboard.md | 现行成绩榜：正式成绩、多跑区间与样本索引 |
v4.1_efficiency_board.md | 成本/时间副榜，不进入 Ability |
v4.1b_freeze_manifest.md | 规则文件与正式 summary 冻结哈希 |
../../docs/v4.1/FINAL_ASSESSMENT_20260719.md | 使用阈值、局限与 V5 决策 |
../../docs/v4.1/ROUND_SUMMARY_20260719.md | 轮次事实终稿 |
../../docs/v4.1/DEEPSEEK_V4_PRO_HARNESS_ANALYSIS_20260814.md | V4 Pro 正式版 harness 与 preset 对照 |
../../docs/v4.1/DEEPSEEK_V4_TRAJECTORY_ANALYSIS_20260814.md | 轨迹风格、PTC 与可复算聚合统计 |
V4.1a（历史过渡锚点，不重算）
| 文件 | 说明 |
|---|---|
v4.1_scoreboard.md | V4.1a 历史成绩榜 |
v4.1_freeze_manifest.md | V4.1a 冻结清单 |
V4.0（历史冻结主轮）
| 文件 | 说明 |
|---|---|
v4_scoreboard.md | V4.0 正式成绩榜（Ability-first） |
v4_v2_comparison_final.md | 最终分析：V4 结果、V2 对照、成本与渠道结论 |
v4_round_report.md | V4 本轮说明与结论 |
v4_final_summary.md | V4 轮次总结 |
v4_freeze_manifest.md | V4.0 冻结清单 |
v4_relabel_from_v2.md | V4 相对 V2 的口径对齐说明 |
../reviews/v4_*.md | 单模型评审 |
现行设计说明：docs/v4/、docs/v4.1/；候选/评审提示词：根 CANDIDATE_PROMPT.md、REVIEWER_PROMPT.md。Gold：archives/v4_gold/。
成本 / 效率专项台账
| 文件 | 说明 |
|---|---|
gpt5.6_cost_analysis.md | GPT-5.6 系列成本分析 |
kimi_k3_cost_ledger.md | Kimi K3 成本记账（含换号税） |
V2 / V1 / V3.1（历史）
| 文件 / 归档 | 说明 |
|---|---|
v2_scoreboard_current.md | V2 成绩榜（冻结对照） |
second_round_v2_report.md | V2 长报告 |
v2_soft_cap_experimental_scoreboard.md | V2 soft-cap 实验榜 |
v2_soft_cap_fun_scoreboard_zh.md | V2 soft-cap 趣味榜（中文） |
v1_v2_comparison_report.md | V1 / V2 对照 |
archives/first_round_v1_20260612/ | V1 整轮 |
archives/second_round_v2_final_20260711/ | V2 完整 24 样本冻结 |
archives/third_round_v3.1_20260615/ | V3.1 |
保护
禁止批量删除 evaluator/results、evaluator/reviews、各 round 归档与 gold。见 ../../archives/禁止删除_评测结果和归档.md。