用私有题库 AMBER 实测社区玩家 goldenpotato 自部署的 Qwen3.8-27B 推理端点，只公开结果，不公开题目。 English: README.en.md
-
「道」= 同一个模型名在不同家的卖场/接口；「案」= 一道题，「卷」= 一场考试记录（一案多卷 = 一道题的几个变体场次）。
-
每期
results/YYYY-Www.md：同题、同 harness（跑考试并记分的程序），对目标模型跑全库（23 案 / 26 卷）。 -
一期固定报告：题集规模与哈希、每案得分与通过/失败、终端终态（程序跑完时的退出状态）、token 用量与时延、环境指纹、按证据纪律写的定性裁决。
-
题目、oracle（判分器）、transcript（答题全过程记录）、中间产物永不公开（见下「发布纪律」）。
-
姐妹仓：amber-gpt、amber-crof、amber-ollama、amber-devin、amber-deepseek、amber-commandcode、amber-opencode、amber-workbuddy、amber-kimi、amber-doubao、amber-stepfun。
-
AMBER 是 agentic 实战题库（施工/运维/审查/视觉/需求漂移——题中要求中途变化），规范与制题工具见 getaskclaw/amber；考题本体私有。
本仓考的是社区个人自部署端点，不是厂商服务：一位 linux.do 网友（goldenpotato）用 3 张 V100 32G 跑 NVIDIA 官方 NVFP4 量化的 Qwen3.8-27B（魔改 vLLM TP3，KV cache FP8），限时开放给社区压测。
因此本仓成绩带三条额外口径：
- 一次性快照：端点限时开放（首发公告称约一天），关服后无法复测。本期成绩是考古标本，不是可持续追踪的车道。
- 排队环境：端点公共并发仅 3 路且与全论坛访客共享，考场为不给端点添堵采用单路串行。墙钟时间因此包含公共排队，跨仓比 wall 时须带此口径。
- 量化实测样本：W-NVFP4（部分层 FP8）+ KV-FP8 的激进量化在 agentic 实战题上的表现，本身就是本期的观测对象之一。
- 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、端点访问凭证。
- 每期必钉：模型 ID、effort 档（思考力度档位）、日期（UTC）、harness 版本、每案内容哈希（bundle_sha，每题内容的哈希指纹）。哈希用于对照 amber 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：这是社区实测，不是对任何人的攻击。数据说话，措辞克制。
同一模型、同一端点，两次跑也可能不同分——推理参数、负载、服务端版本都在漂；个人自部署端点的负载漂移比厂商服务更大。所以这里的一切结论都带日期与档位。单日数字是快照，不是定律。
| 期 | 内容 | 结论 |
|---|---|---|
| 2026-W38 | Qwen3.8-27B（NVFP4）@ 端点默认档 全库首考 | 案级 14/23；施工/文本/运维/漂移强（含 hard 区分器满分），审查/核验/视觉/前端 0 案过；effort 旋钮实证无效；wall 约为强车道 5-20 倍 |
| 2026-W38 更正特刊 | W38 全库复核:本仓改判 0 格 · 挂起 3 格 | W38 首考 3 格挂起;若翻案 14/23 可能上移,定性段须同步复核 |
与端点运营者、Qwen 团队、NVIDIA 无任何隶属/赞助关系。分数是特定日期、特定负载下的快照，不构成任何选型建议。