# v3.0 → v3.1 迁移清单

本修订解决共同准备未完成、长上下文与等待混杂、回执丢失、最终会话信息不全。改的是评测框架与提示词；五个被测Skill不改。

## 不变

- case-catalog的26个case、5流程、120个required assertion对象逐项不变，四层/状态枚举不变。
- GPT Image-2和Seedance2.5、5s/480P/16:9/MP4/audio ON/OFF、原件无人脸与逐字文案/声音标准不变。
- 正常11图4视频3分析，预留2图1视频1分析；不得新增探针或把失败改N/A。
- 原视频/P1/P2文件字节不改；Sintel清单明确尚缺独立真值，不能称可直接完整计分。
- 用户总授权、费用未知null、原未知提交不重放/保留预占；旧run/报告/归档不动。

## 明确的版本变化

1. 公共环境/素材/源码/共享回归在模型基线前由宿主完成，费用和时间另列。
2. full_26有统一readiness开跑门槛；live_diagnostic须预先冻结，保留完整分母及BLOCKED。
3. 工作流改为有限phase；模型等待QA/媒体时返回，原SID后续只收增量；07拿到本组全工作流索引。
4. 模型任务卡默认≤4000字符；完整规范仍可查；宿主工具结果引用支持须真实验证，不假定能够缩短系统schema。
5. 01每个固定隔离场景最多2回合，总预算仍400k；每工作流回合上限6→12，总Token仍1M/墙钟60分钟，预算可行性须开跑前校准。
6. 80%提醒、90%停止开始新付费项目；独立回执排空窗口60秒，不能实现则不宣称强门禁。
7. 默认流程顺序B→U→S→D→T，各模型一致；第一条正常B02就是视频通道检查，配额不变。
8. 宿主事务提交日志、阶段切换联合核对；生成taskId与同步分析result分开。
9. attribution与原状态/四层正交；repair结果不回填旧基线，全新比较需相同初始素材。
10. executionMode区分agent_native与host_controlled_repair；后者仅为live_diagnostic中的辅助执行，未测原生AGENT断言保持BLOCKED。各模式分表，不把宿主成功冒充模型原生能力。
11. 预算上限由本轮真实授权冻结；公共非授权示例更新为单次<100、每模型<1000、全局<4000。历史实扣/未知预占继续累计，媒体数量不扩大。
12. 明确人类主动舍弃旧恢复链并授权全组fresh cohort，是独立的新测试范围。新操作前一次性冻结授权证据/hash与cohort边界，全组共同就绪、同批次、同原始P1/P2开始，不复用旧产物或请求。旧UNKNOWN仍UNKNOWN/active，冻结留在旧recoveryScope，费用和预占继续继承；不称已解决，不变相重放。普通新run/Agent/超时不自动触发，新cohort中的UNKNOWN仍按原规则冻结。新旧成本、时间、成绩分表，不混排名。

## 发起人显式覆盖的运行政策

公开模板继续使用原默认Token上限（150k/400k/每工作流1M/200k）。当前发起人明确解除Token限制时，可在私有授权范围把`totalTokens`设null，保存授权证据/hash、生效点、旧值及变更分段；仍采集全部用量和旧超限，不修改时间、回合、积分、媒体数量、QA与UNKNOWN规则。null不表示0或未知，也不是所有后续使用者的公共默认。

发起人明确退出某模型时，用参与状态WITHDRAWN_BY_USER停止未来派发；保留原记录与原断言状态/分母，未跑未完如实记录，不判模型能力失败。旧费用和未知预占保留，其他独立模型可继续；不会自动换模型、转移配额或授权重放。具体当前运行的特殊选择仅写私有政策记录，不写成本站默认值。

## 每轮须用实际证据核验，本文不能代替

- 统一环境的依赖/网络验证、独立分析事件与声音真值、内容评审能力。
- 原生入口参数审计及网络前拦截、全局原子预算、发送与接收回执的宿主持久化。
- runner按checkpoint交接、到限不丢回执、只读观察、终态汇总及07输入。
- 未知clientRequestId的平台只读对账通道。平台未提供时不能声称只靠prompt解决。

配置模板故意dispatchEnabled=false、paidCallsAuthorized=false，全部新能力NOT_CONFIGURED/未验证。校验只证明文档一致性；不得直接拿模板创建Agent或提交媒体。真实授权已覆盖时无需重复问，但必须先具备实施与证据。

## 发布/执行次序

发布规范与运行环境就绪是两件事。执行次序为：实现并离线验证宿主控制器→按所选profile/executionMode取得所需readiness证据→核验历史预占及项目分配→新run冻结→正常配额内实际验证。公开文档可独立发布，但不会启动任务。full_26条件不齐时可在新run前统一选择live_diagnostic；不依赖缺失能力的已就绪LIVE分支继续，相关缺测仍保留BLOCKED。