amber-workbuddy

用私有题库 AMBER 实测 WorkBuddy(CodeBuddy)ACP 车道的目录模型（腾讯 CodeBuddy CLI 的 ACP 模式，服务端下发模型目录，含具名模型与别名档），只公开结果，不公开题目。 English: README.en.md

这是什么

• 每期一篇 results/YYYY-Www.md：同题、同 harness，对目标模型跑全库；同车道跨模型并排。
• 一期固定报告：题集规模与哈希、每案 d2 分与通过/失败、终端终态、token 用量（若车道上报——本道不上报，以墙钟代替）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」）。
• 姐妹仓：amber-gpt（GPT 系周测）、amber-crof（CrofAI 周测）、amber-ollama（Ollama Cloud 周测）、amber-devin（Devin 周测）、amber-opencode（OpenCode Go 道）、amber-commandcode（CommandCode 道）、amber-deepseek（DeepSeek 官方道）。同一个 deepseek-v4.1 家族在官方/转发道的成绩见对应仓库；本仓的对照轴是 WorkBuddy ACP 车道跨模型，跨仓引用一律带日期与档位声明。
• 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。

一分钟看懂 W37

同一 ACP 车道、同 high 档、同 23 案同哈希：hy4-preview-f 17/23（A-be92627f 外的核验面仍挂，但施工 5/6 + OPS 6/6 + UI 12/12）、deepseek-v4.1-flash 15/23（核验案 A-be92627f 9/9 = 该案史上首个过案、核验面第二席）。逐案矩阵与车道账本见 2026-W37 期文。图源与 PNG 同目录（docs/images/，Vega-Lite）。

发布纪律（红线）

1. 只发：分数与聚合、token 用量（若车道上报）、速度、定性裁决。
2. 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。
3. 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。
4. 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。
5. 基调：这是社区实测，不是对厂商的攻击。数据说话，措辞克制。

一个方法论前提

同名模型、同 provider，两次跑也可能不同分——推理参数、负载、服务端版本都在漂；转发/聚合车道还多一层装帧差。所以这里的一切结论都带日期与档位，且定期重测。单日数字是快照，不是定律。

图说数据

• 案面画像（2026-W37 Full matrix 单表，face × 模型热力图，色深 = 分面通过率）：hy4 施工 5/6、运维 6/6、UI 1/1 为强项；d41f 核验 1/3 靠 A-be92627f 满分破冰；两模型视觉面均 0/1。

结果索引

期	考生	成绩（23 案 / 公共子集 21）	一句话
2026-W37	hy4-preview-f（x0.00 免费档）	17/23（15/21）	入档即第二梯队；OPS 6/6 + UI 12/12 满分；核验 0/3，审查/视觉仍挂
2026-W37	deepseek-v4.1-flash（x0.00 免费档）	15/23（13/21）	A-be92627f 9/9 = 该案史上首个过案（核验面第二席）；同脑比官方 GA 道低一案，结构互换

免责

与腾讯、CodeBuddy/WorkBuddy 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。