新版有可用优势，部分历史接入设置需要调整。
本轮不支持全局放开所有限制。
3.6 正常环境已恢复，3.8 独立环境保留。
原 dev2 后端健康，ASR 与向量进程保持。
线上产品规则没有修改。
20 类用例，各重复两次，使用相同输入与评分。
澄清一条年龄/日期歧义后重新比较。
推荐非思考：3.6 29/40，3.8 35/40。
开启思考：3.6 37/40，3.8 39/40。
原始未澄清成绩仍完整保留。
前轮能说明旧参数下的兼容性，不能代表模型上限。
同一条角膜塑形镜改写，用20个新种子成对复验。
3.6 原参数 20/20，仅改历史思考开关 20/20。
3.8 原参数 8/20，仅改历史思考开关 20/20。
请求只改变 preserve_thinking，其他设置一致。
模板渲染也确认了历史标记差别。
该坏例不能直接归因于新版不懂业务。
结果只覆盖这条坏例，不表示所有空输出都已解决。
80 token 的短改写，关闭历史思考保留：
眼别更正：3.6 0/3，3.8 3/3。
同为4096 token思考预算的140条记录筛选：
3.6 0/2，3.8 2/2。
旧版此题的失败属于预算耗尽。
旧版开启思考也能解决部分眼别题。
因此不把这些结果说成旧版永远做不到。
真实4L提示词，推荐非思考：3.6 6/8，3.8 6/8。
真实4L提示词，开启思考：3.6 6/8，3.8 5/8。
导演组使用现有提示词，并测试取消JSON强制模式。
这不是原完整接口的通过率。
导演字段及流程，推荐非思考：3.6 3/4，3.8 3/4。
导演字段及流程，开启思考：3.6 1/4，3.8 0/4。
4L成绩经过既有后处理，只表示项目规则一致。
它不是临床正确率。
固定句逐字差别、服务补年龄前缀已单列。
放宽格式后仍有坏JSON，不能据版本升级取消保护。
现有服务没有分离思考文本；直接打开会影响长度门及JSON解析。
模型最终答案正确，不等于应用能直接接收。
现有默认超时60秒、4L输出上限2000。
本轮长推理放宽预算，仅用于能力诊断。
全局关闭思考：改为按业务选择，先补正确的思考/最终答案分离。
短改写80 token：本轮不是空输出根因，不建议一概放开。
历史思考保留：普通查询改写可显式关闭；多步智能体另测。
生成预算：复杂任务与短分类分开设置，并保留超时与回退。
固定句：拆开统一产品口径与模型兜底，不能整批删除。
JSON字段校验、缺失值保护、确认流程、权限与幂等：保留。
B1忽略与防重复1.2来自5月12日LoRA改动。
5月15日切到3.6后仍保留，需单独链路复测。
旧图像输入限制也已定位，不能直接解除。
本轮未证明扩大整个服务窗口具有业务收益。
相同三条问题，每档两次，相同8192 token预算。
low：6/6，空输出 0，预算耗尽 0，中位耗时 5.517 秒。
medium：6/6，空输出 0，预算耗尽 0，中位耗时 4.648 秒。
xhigh：6/6，空输出 0，预算耗尽 0，中位耗时 10.335 秒。
档位选择应看完整任务结果，不能只按名称判断。
另测了单位识别及时间线的惩罚参数。
推荐参数是起点，仍需按业务验证。
本轮新增382条完整记录的真实推理请求。
覆盖30类核心或真实提示词场景。
另含修正与单因素复验。
这是定向业务样本，不是通用榜单。
还包括20个新种子的模板成对复验。
使用GPU一实际AWQ部署，vLLM 0.20.2。
两代MTP设置不同，不据耗时宣称纯版本速度提升。
一次实验调度超时后续跑，未计为模型失败。
没有生产患者写入、真实微信发送或手机业务验收。
原始请求、响应、评分及恢复证据完整保留。
上一轮社区生成500等既有链路问题仍未修复。
本轮不宣告全业务替换验收通过。
社区线索来自官方模型卡、Kodesage和上游问题216/236。
社区不同精度、不同引擎的分数没有直接套用。