周次更正：全库考试在 W38，发文与收敛补测在 W39，组合成绩仍为 16'/24。见 更正。已有挂起标记不因本次改周解除。
' = contested（安全拒答挂起）或 invalid（基建相关（考场 harness 或判分环境）的挂起、作废或待重评），均不计胜负；所有含 NA 的道都带撇号，包括冻结展示行；挂起不表示死因已定。StepFun：4 挂起格，不计胜负。
用私有题库 AMBER 实测 StepFun 阶跃星辰在 stepfun plan 端点上服务的新旗舰 step-5-preview，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-goldenpotato。
-
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 StepFun 阶跃星辰官方 plan 端点（OpenAI 兼容面）上的新旗舰 step-5-preview（600B/27B MoE，官方声明 1M 上下文 + 视觉）。
因此本仓成绩带三条额外口径：
- 燃烧量不可验：端点 usage 不返回
reasoning_tokens，故「请求 high」只是请求标签，实际跑的是端点默认思维预算。本期不与其它仓做「同档」对比——band 列如实标为请求档 + 不可验。 - 视觉面端点事故：发车前视觉请求在本端点零字节挂起（同端点另一模型同图正常答对），故相关案先判 not run（非失败），端点复测恢复后单案补考取真值。事故与补考过程写进 Findings。
- 加时帽收敛：核验三案在放大墙钟帽后才落定，全卷墙钟因此偏重——跨仓比 wall 时须带此口径。
stepfun plan 端点、请求 high（燃烧量不可验）、23 案同哈希：step-5-preview 15/23（公共 21 案子集 13/21）——施工面顶级：运维 6/6 全清 + 需求漂移四变体全过 + 编码 5/6（含全库唯一硬区分器 A-442d4aab 7/7 满分）+ 交付满分；判断面掉队：归因轴 0.800 反超对照锚 k3 的 0.667（同一案 12/15 对 10/15），但核验 0/3、审查净 −2、视觉 −2、前端废卷。三条口径须随行：① 端点不报 reasoning_tokens，行按端点默认档记；② 视觉面发车前在本端点零字节挂死（同端点另一模型同图正常），该案先判 not run、端点恢复后补考取真值；③ 核验三案撞标准帽后放大帽收敛（7200/10800/3600s），墙钟是本期最重的成本。逐案矩阵与车道账本见 W38 基线与 W39 补测更正（原始期文保留旧 URL）。图源与 PNG 同目录（docs/images/，Vega-Lite）。
- 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：这是对公开端点的实测，不是对任何厂商的攻击。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。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 基线 | step-5-preview，2026-09-20 全库考试 | 基线 15/23；W39 收敛补测增加 1 案通过，组合 16'/24。端点实际思考用量不可验。原始期文 |
| 此前全库复核 | 历史更正：改判 0 格，挂起 4 格 | 旧文 W39 指旧期文名称；全库考试实属 W38，本次不解除挂起 |
与 StepFun 阶跃星辰团队无任何隶属/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。