六家里三家的默认模型已经调不通了 —— 以及 README 那张表从此跟代码绑着

DEVELOPMENT.md

@@ -150,7 +150,7 @@ def check_permission(state, cls, name, args):                       # 决策 + 
 
 ```bash
 python agent.py --selfcheck        # 零依赖、零网络、零 key。改完先跑这个
-python -m pytest tests/ -q         # 336 条。CI 跑 ubuntu/windows × 3.10/3.13
+python -m pytest tests/ -q         # 337 条。CI 跑 ubuntu/windows × 3.10/3.13
 ```
 
 `--selfcheck` 覆盖 4 个工具的读/写/改、`edit_file` 的"找不到 / 不唯一"两种报错、
@@ -190,14 +190,14 @@ set TALOS_MAX_STEPS=12
 | **行为类** | **模型读到守卫那条消息之后干什么** | ❌ 必须用你真在用的那个 |
 
 「拒绝之后会不会改用 `python -c` 绕路」是那个具体模型的性格,换了模型不算数。
-而**行为类正是 live 测试唯一还值钱的部分** —— 管道通不通,336 条判据已经免费覆盖了。
+而**行为类正是 live 测试唯一还值钱的部分** —— 管道通不通,337 条判据已经免费覆盖了。
 
 按这条界,**目标闸的 live 判据是行为类的**:离线判据已经证明判断器拿得到 `read_file`、
 越界会被驳回、判不出来时不假装成功;它们证明不了的是**这个具体模型拿到只读工具之后
 会不会真的去用**,还是照样信对话里那句「验证通过」。这一条不成立的话,只读工具就是装饰。
 
 ```bash
-$env:TALOS_PROVIDER="deepseek"; $env:TALOS_MODEL="deepseek-chat"
+$env:TALOS_PROVIDER="deepseek"; $env:TALOS_MODEL="deepseek-flash"
 .venv\Scripts\python.exe benchmarks\goal\judge_live.py --n 3
 ```
 

README.md

@@ -2,7 +2,7 @@
 
 [![tests](https://github.com/Jerry-TZ/Talos/actions/workflows/test.yml/badge.svg)](https://github.com/Jerry-TZ/Talos/actions/workflows/test.yml)
 
-**一个你能完整读完的编程 agent。** 5309 行 Python,336 条离线判据,一份不糊弄人的安全说明。
+**一个你能完整读完的编程 agent。** 5311 行 Python,337 条离线判据,一份不糊弄人的安全说明。
 
 <img src="docs/demo.svg" alt="Talos 终端界面:动盘之前先弹确认框" width="100%">
 
@@ -19,7 +19,7 @@
 
 | 文件 | 行数 | 职责 |
 |---|---|---|
-| `agent.py` | 4207 | 循环 + 工具 + 权限门 + 自学习 |
+| `agent.py` | 4209 | 循环 + 工具 + 权限门 + 自学习 |
 | `console_ui.py` | 214 | 终端界面(可整体替换) |
 | `recall.py` | 582 | 联想记忆:扩散激活检索 |
 | `session.py` | 306 | 会话持久化(想换 SQLite 只改这个) |
@@ -33,7 +33,7 @@
 极简 agent 赛道很挤,有人用 Zig 做到 678KB 二进制。**Talos 不比谁小,它比谁都好读。**
 
 - **能读完** — 四个文件,注释解释的是*为什么*,不是*是什么*。几乎每条防御旁边都写着它挡的那次真实翻车。
-- **能验证** — 336 个测试,**离线、免 API key、几秒跑完**,CI 在 Linux/Windows × Python 3.10/3.13 上都跑。clone 下来立刻知道它没坏。
+- **能验证** — 337 个测试,**离线、免 API key、几秒跑完**,CI 在 Linux/Windows × Python 3.10/3.13 上都跑。clone 下来立刻知道它没坏。
 - **不吹牛** — [`SECURITY.md`](SECURITY.md) 明写 `create_tool` 就是进程内 RCE、正则黑名单只是减速带。**没有沙箱就是没有沙箱** —— 真要隔离,[三条现成方案](SECURITY.md#真要隔离怎么办)按代价从低到高列在那儿。
 - **有考卷** — [`EXAM.md`](EXAM.md) / [`EXAM2.md`](EXAM2.md) 是两份可复现的能力测试,带标准答案和作弊检测(比如逐个核验 arXiv ID 真伪,防止编造引用)。记录的是"我怎么验证它真的有用",不是功能列表。
 - **有实测** — [`FINDINGS.md`](FINDINGS.md) 记了二十二个真实任务量出来的东西:哪条提示词生效、哪条从头到尾没生效、六次翻车、检索改动的前后数字,以及**两个被数据否掉的自己的方案**。样本小,局限写在最前面。
@@ -81,10 +81,10 @@ python agent.py --selfcheck
 |---|---|---|
 | `claude`(默认) | `ANTHROPIC_API_KEY` | claude-haiku-4-5 |
 | `openai` | `OPENAI_API_KEY` | gpt-4o-mini |
-| `gemini` | `GEMINI_API_KEY` | gemini-2.0-flash |
-| `deepseek` | `DEEPSEEK_API_KEY` | deepseek-chat |
+| `gemini` | `GEMINI_API_KEY` | gemini-3.5-flash |
+| `deepseek` | `DEEPSEEK_API_KEY` | deepseek-flash |
 | `glm` | `ZHIPUAI_API_KEY` | glm-4.7-flash |
-| `kimi` | `MOONSHOT_API_KEY` | moonshot-v1-8k |
+| `kimi` | `MOONSHOT_API_KEY` | kimi-k2.6 |
 
 ---
 
@@ -200,7 +200,7 @@ Ctrl+C              停下当前这轮 —— 做过的都留着,可以直接说
 
 ```bash
 .venv\Scripts\python.exe -m pip install -r requirements-dev.txt
-.venv\Scripts\python.exe -m pytest tests/ -q     # 336 条,约 8 秒,不联网、不需要 key
+.venv\Scripts\python.exe -m pytest tests/ -q     # 337 条,约 8 秒,不联网、不需要 key
 python agent.py --selfcheck                       # 免依赖的冒烟检查
 ```
 

agent.py

@@ -91,14 +91,16 @@ def _load_dotenv(path: str = ".env") -> None:
 
 # ── providers: 大家都讲 OpenAI 兼容 API,只有 base_url + 模型名不同 ────────────────
 # base_url 稳定;模型名常变 —— 用 TALOS_MODEL 环境变量覆盖成你有权限的那个。
+# 默认模型 2026-09 核对过:moonshot-v1 整个系列(8/31)、deepseek-chat(7/24)、
+# gemini-2.0-flash(6/1)都已下线,换成了各家当前的对应档。README 那张表跟这里由判据绑着。
 PROVIDERS = {
     #  name        key 环境变量          base_url (None = OpenAI 官方)                                默认模型
     "claude":   ("ANTHROPIC_API_KEY", "https://api.anthropic.com/v1/",                            "claude-haiku-4-5-20251001"),
     "openai":   ("OPENAI_API_KEY",    None,                                                        "gpt-4o-mini"),
-    "gemini":   ("GEMINI_API_KEY",    "https://generativelanguage.googleapis.com/v1beta/openai/", "gemini-2.0-flash"),
-    "deepseek": ("DEEPSEEK_API_KEY",  "https://api.deepseek.com/v1",                               "deepseek-chat"),
+    "gemini":   ("GEMINI_API_KEY",    "https://generativelanguage.googleapis.com/v1beta/openai/", "gemini-3.5-flash"),
+    "deepseek": ("DEEPSEEK_API_KEY",  "https://api.deepseek.com/v1",                               "deepseek-flash"),
     "glm":      ("ZHIPUAI_API_KEY",   "https://open.bigmodel.cn/api/paas/v4",                      "glm-4.7-flash"),
-    "kimi":     ("MOONSHOT_API_KEY",  "https://api.moonshot.cn/v1",                                "moonshot-v1-8k"),
+    "kimi":     ("MOONSHOT_API_KEY",  "https://api.moonshot.cn/v1",                                "kimi-k2.6"),
 }
 PROVIDER = os.environ.get("TALOS_PROVIDER", "claude").lower()
 

tests/test_docs.py

@@ -118,3 +118,33 @@ def test_the_test_count_the_docs_advertise_is_the_real_one():
     assert not wrong, (
         f"文档宣传的测试数跟 tests/ 里真实的 {real} 条对不上:\n  " + "\n  ".join(wrong)
         + "\n加判据是这个项目每天在干的事,所以这个数**每天都会陈** —— 这条就是为它存在的。")
+
+
+# `| `claude`(默认) | `ANTHROPIC_API_KEY` | claude-haiku-4-5 |`
+_PROVIDER_ROW = re.compile(r"^\|\s*`(\w+)`[^|]*\|\s*`(\w+)`\s*\|\s*([\w.\-]+)\s*\|", re.M)
+
+
+def test_the_provider_table_in_the_readme_is_what_the_code_does():
+    """README 那张 provider 表 == `agent.PROVIDERS`:哪几家、读哪个 key、默认哪个模型。
+
+    **默认模型会被供应商下线,而且下得很快。** 2026-09 核对时,六家里有三家的默认值
+    已经调不通了:`moonshot-v1-8k`(整个 v1 系列 8 月 31 日下线)、`deepseek-chat`
+    (7 月 24 日停用)、`gemini-2.0-flash`(6 月 1 日关停)。那次是两边一起改的 ——
+    这条判据管的是**下一次只改了一边**:读者照着 README 设了 provider,跑起来却是另一个模型。
+
+    README 可以写去掉日期后缀的名字(`claude-haiku-4-5` 对 `claude-haiku-4-5-20251001`),
+    那是同一个模型的别名;别的一律要逐字相同。"""
+    import agent
+    readme = io.open(os.path.join(HOME, "README.md"), encoding="utf-8").read()
+    rows = {p: (key, model) for p, key, model in _PROVIDER_ROW.findall(readme)}
+    assert set(rows) == set(agent.PROVIDERS), (
+        f"README 表里的 provider 跟代码对不上:多了 {sorted(set(rows) - set(agent.PROVIDERS))}、"
+        f"少了 {sorted(set(agent.PROVIDERS) - set(rows))}")
+    wrong = []
+    for p, (key, model) in sorted(rows.items()):
+        want_key, _url, want_model = agent.PROVIDERS[p]
+        if key != want_key:
+            wrong.append(f"{p}:README 写 key {key},代码读 {want_key}")
+        if not (model == want_model or want_model.startswith(model + "-")):
+            wrong.append(f"{p}:README 写默认 {model},代码默认 {want_model}")
+    assert not wrong, "README 的 provider 表跟代码对不上:\n  " + "\n  ".join(wrong)

tests/test_memory.py

@@ -1959,7 +1959,7 @@ def test_a_refusal_says_what_was_refused_instead_of_something_that_never_happene
 
 
 def test_a_file_that_merely_starts_with_check_is_not_a_verification_script(ws):
-    """`checksum.py` / `checkpoint.py` / `checklist.py` / `checkout.py` 不是验证脚本。
+    r"""`checksum.py` / `checkpoint.py` / `checklist.py` / `checkout.py` 不是验证脚本。
 
     正则原来是 `^(verify|validate|check)[\w-]*\.py$` —— 它认「以 check 开头」,
     而这几个名字在真实仓库里到处都是。命中之后 `write_file` / `edit_file` 一律拒绝: