用私有题库 AMBER 每周实测 Ollama Cloud 模型，只公开结果，不公开题目。 English: README.en.md
- 每周一期
results/YYYY-Www.md：同题、同档、同 harness，对在售模型跑全库。 - 一期固定报告：题集规模与哈希、每案找茬分与通过/失败、终端终态、成本与时延、环境指纹、按证据纪律写的定性裁决。
- 题目、oracle、transcript、中间产物永不公开（见下「发布纪律」）。
- AMBER 是 agentic 实战题库（施工/运维/审查/视觉/需求漂移），规范与制题工具见 getaskclaw/amber；考题本体私有。
- 姐妹仓：amber-crof（CrofAI 周测）、amber-gpt（GPT 档位周测）、amber-devin（Devin 周测）、amber-deepseek（DeepSeek 官方道）、amber-commandcode（CommandCode 道）、amber-opencode（OpenCode Go 道）、amber-workbuddy（WorkBuddy ACP 道）。
- 只发：分数与聚合、成本、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。
- 每期必钉：模型 ID、effort 档、日期（UTC）、harness 版本、每案内容哈希（bundle_sha）。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：这是社区周测，不是对厂商的攻击。数据说话，措辞克制。
- 本期成绩单（2026-W37，23 案合成口径 = W36 21 案 + 补考 2 案）：glm-5.3-flash 17/23 道内居首（全库天梯并列第二），deepseek-v4-flash:0731 15/23；两模型 W36 15/21、13/21，补考皆 2/2。（图为主刊时点；09-11 Addendum:deepseek-v4.1-flash 首考 17/23 已与 glm-5.3-flash 并列，图待下期刷新。）
- 案面画像（W36 21 案矩阵 ∪ W37 补考 2 案，按 face 聚合）：glm-5.3-flash 握本道唯一视觉面通过（全场纪录已易主 swe-2-medium 4.0）、运维面 6/6；d4f:0731 运维面 5/6（挂 A-a5608487）。
- 周趋势（W36→W37，分母不同按通过率 % 归一）：glm-5.3-flash 71.4%→73.9%，d4f:0731 61.9%→65.2%。
2026-09-11 同库（23 案）、同档（high）、同端点（Ollama Cloud）对拍，完整逐案矩阵见 2026-W37 Addendum。
| 维度 | glm-5.3-flash | deepseek-v4.1-flash |
|---|---|---|
| 总分 | 17/23（W37 发布口径）；同日复测 16/23 | 17/23（首考） |
| 编码 / 运维 / 需求 / 文本 | 全绿带内（运维 1 案当场复测才过） | 全绿，运维 6/6 零抖动 |
| UI 构建 | ✗（交付重判 11/12 仍不过线（全场已有多席 12/12 满分）） | ✓（740 秒真实交付） |
| 视觉审查 | 本道唯一通过记录（W36 3.0；全场纪录现为 swe-2-medium 4.0），本期 2.0 回落地带 | -2，有图像输入但不会审 |
| 归因 / 防御 | 0/15、4/9（归因案塌分复现，端点漂移待确认） | 7/15、4/9 |
| 对抗审查 | -2 | 0（两家均未过线） |
| 输入 tokens / 卷 | 164K | 151K |
| 目录价（in / cached / out） | $0.15 / $0.03 / $0.50 | $0.15 / $0.003 / $0.60 |
| 高峰价（北京 20:00–02:00 工作日） | 不加价 | 全项 2 倍 |
一句话：同价带、同分带——UI 与交付敏感选 deepseek-v4.1-flash，视觉侦察选 glm-5.3-flash，0731 可以让位；但北京工作日夜间（高峰窗）重活选 glm-5.3-flash（此时 d4.1f 账单约 1.7–2.1 倍）。
| 期 | 内容 | 结论 |
|---|---|---|
| 2026-W36 | 双模型全库：deepseek-v4-flash:0731 / glm-5.3-flash | glm-5.3-flash 15/21 超前沿锚点（14/21）一案+视觉审查案当时最高分（现纪录 swe-2-medium 4.0）；同名对决实锤「模型名≠能力」 |
| 2026-W37 | 新增 2 运维案补考（补齐 23 案） | glm-5.3-flash 17/23 守擂；d4f:0731 15/23；本场后 amber 前三表翻 23 案 |
| ↳ Addendum 09-11（文末） | deepseek-v4.1-flash 首考 + glm-5.3-flash 同日复测 | d4.1f 17/23 并列第二梯队（榜首 swe-2-max 18/23）；g53f 复测 16/23（快照带内）；0731 可让位 |
与 Ollama 无任何隶属/赞助关系。分数是特定周、特定档位的快照，不构成采购建议。