👁 qwen-eye 引擎平价验收 · 终报
判别器失效：负对全票放行
唯一有真拦截的臂（严判向）
高确定性 · 偏差方向已知
初版实验的 8 个交叉负对照全部命中同图正对照的判定缓存（键不含问题文本维度，TTL 24h）——4.6v/local 逐帧完全回声 8/8、flash 7/8。初版「负拦截」列全部作废，「三臂集体放行 neg S4-02」等结论一并撤销。
修复：
fixbatch-005 1a451a5 键加引擎维度 → fixbatch-006 8bd84c6 键加问题指纹（三元 sha:engine:q16）→ 合入主树 8bef713（42 测试绿）。干净重跑后才有本页矩阵。
一 · 最终成绩矩阵
| 臂 | 正对照 pass（应过 20） | 负拦截 fail（该拦 8） | 判别一致率 | 失败模式 |
|---|---|---|---|---|
| glm-4.6v | 19/20 | 0/8 | 67.9% | 松判失效：7 个负对全票放行（含镜像角色 S1-01→S4-01） |
| glm-5.3-flash | 14/20 | 2/8（S5-03→S8-01、S1-02→S2-01） | 57.1% | 严判：6 个正误杀 + 严格拦截 |
| qwen-eye（local） | 12/20 | 2/8（S1-01→S4-01、S3-01→S1-02） | 50% | 偏严向 8 个偏差，与 12 天前历史 100% 复现 |
qwen-eye 免费、内网、确定性最高（历史偏差零翻转），偏严方向已知可控——宁可错杀可人工复核，不可漏放崩坏帧。
hosted 可选臂保留：GPU 让位窗口 / eye 故障临时顶班 / 审核收紧场景。4.6v 出局。
误差相关性过高：AND 门 15/28 全面劣化、多数票仅持平最佳单臂且无真互补。
复现证明的是确定性而非正确性——两次跑共享判据风格，系统性偏差会自我复制。「准不准」需人工裁决环（见下）。
二 · 循环性质询：「样本会不会就是按 eye 的口味筛出来的？」
Kai 的质询：
"eye 最稳：8 个误杀与 12 天前历史 100% 复现，跨 GPU 零翻转。——会不会是因为你这个测试样本就是 qwen-eye 之前判断得出的？"
P11 视频渲冻结（文件 mtime 铁证），此后从未重渲
P12/P13/P14 完成、成片交付——当时管线里还没有任何 qwen-eye 门
qwen-eye 实验首次建档（EXPERIMENT.md），重渲闭环明确标注为「未来计划」，未执行
平价验收：正对照 = 该集 全部 20 个镜头，零挑选自由
⚠️ 但质疑揭示两个真实风险面，均采纳更正：
"同镜头⇒应过"出自 shot-list 结构而非人工确认渲染忠实度。若渲染本身糊/暗/漂移，judge 判 fail 是对的——所以:
更正措辞：8 个"误杀" → 8 个"引擎偏差复现"。若多数是真缺陷，排名反转：eye 反而是三臂中最敏锐的门。
两次跑共享模型家族与相似判据（spec 对照式），系统性偏差会精确自我复制。100% 复现的价值是门控行为可预期。且两次 harness 并不同构（5帧/富prompt vs 3帧/裸spec），落点仍一致 ⇒ 偏差长在感知层不在测试装置。
三 · eye 的 8 个偏差复现镜头 · 人工可裁证据页
每镜头：规格文本 → 今天三臂投票 → 08-15 历史判据 → 逐帧置信度 → 帧图。请过目裁定：真缺陷 or 假警报？
S1-01 景别 WS · 运镜 跟随 · 主体 引导线 | 情绪 疏离 / 疲惫基线
今天逐帧置信度: 0.15 0.15 0.92 （≥0.7 视为过）
08-15 判据摘要: 景别为中景而非特写，运镜为固定而非推进，构图为中心而非三分法，且场景为地铁站而非出租屋，内容完全不符。
像素/交叉证据: S1 场景漂移：规格地铁站台，渲染为室内浅墙 — 08-15 像素证据（orange 占比/颜色分布）独立佐证
S1-02 景别 MCU · 运镜 固定 · 主体 三分法 | 情绪 天真揭示 / 无奈共情
今天逐帧置信度: 0.10 0.15 0.10 （≥0.7 视为过）
08-15 判据摘要: 内容严重不符：观察为地铁站台男孩与猫互动，SPEC为办公室橘猫惊醒；景别观察为中景，SPEC要求近景转远景；运镜观察为固定，SPEC要求缓慢拉远。
像素/交叉证据: 同上，S1 场景漂移序列成员
S3-01 景别 FS · 运镜 固定 · 主体 引导线 | 情绪 唯一温暖光源 / 沉默日常
今天逐帧置信度: 0.15 0.10 0.15 （≥0.7 视为过）
08-15 判据摘要: 观察显示主体居中且无前景肩膀，与SPEC要求的过肩及三分法构图不符；且场景为便利店而非车厢，内容完全不匹配。
像素/交叉证据: 构图类偏差：LTX/H3 引擎不守三分法规格的已知行为
S3-02 景别 MCU OTS · 运镜 缓慢推进 · 主体 三分法 | 情绪 第一次被看见 / 温暖微光
今天逐帧置信度: 0.10 0.15 0.15 （≥0.7 视为过）
08-15 判据摘要: 运镜观察为固定镜头，与SPEC要求的缓慢推进不符；主体位于画面正中央，不符合SPEC要求的三分法构图。
像素/交叉证据: 构图类偏差（同上）
S3-03 景别 INSERT CU · 运镜 缓慢推进 · 主体 三分法 | 情绪 希望符号首次登场 / 种子埋下
今天逐帧置信度: 0.10 0.10 0.10 （≥0.7 视为过）
08-15 判据摘要: 构图不符合SPEC要求的三分法，观察显示主体位于画面正中央
像素/交叉证据: 构图类偏差（同上）
S4-01 景别 CU · 运镜 缓慢推进 · 主体 三分法 | 情绪 极性反转起点 / 愣住 / 第一次被对它说话
今天逐帧置信度: 0.15 0.85 0.15 （≥0.7 视为过）
08-15 判据摘要: 运镜方向错误：SPEC要求缓慢推进，观察为拉远；景别不符：SPEC为CU，观察结尾已达中近景且起始为极近特写，整体趋势与SPEC相反。
像素/交叉证据: 08-15 OCR 交叉验证：猫爪按便利贴 "Don't forget to eat!" 内容真实存在；fail 主因疑在景别/构图维度
S7-02 景别 CU · 运镜 缓慢推进 · 主体 三分法 | 情绪 情感爆点 / 温热传来 / 泪终于落下（不是孤独的泪）
今天逐帧置信度: 0.95 0.10 0.10 （≥0.7 视为过）
08-15 判据摘要: 观察显示为明显的推镜头（全景至特写），而SPEC要求固定镜头；观察显示主体始终居中，而SPEC要求三分法构图；观察显示角色捧鸡蛋，与SPEC描述的抱紧耳朵孤独情绪不符。
像素/交叉证据: 三臂共同不喜欢的镜头：eye FAIL(1/3)、flash FAIL、4.6v 也是三臂唯一正对照 FAIL
S8-01 景别 MCU→WS→EWS · 运镜 缓慢拉远 · 主体 引导线 | 情绪 主题升华 / 万家灯火融为一体 / 闭环
今天逐帧置信度: 0.95 0.15 0.10 （≥0.7 视为过）
08-15 判据摘要: 景别为近景/远景而非INSERT特写，运镜为拉远而非固定，且内容未体现闹钟/地铁等蒙太奇元素，主体位置也不符合三分法。
像素/交叉证据: 夜景远景：主体微小、暗部占比高 —— 景别容差判定的边缘样本
四 · 修复链与方法论存档
4c436b5 fb004 engine adapter 注册表（local 默认不变+hosted flash 臂）→
1a451a5 fb005 缓存键+引擎维度（39 绿）→
8bd84c6 fb006 缓存键+问题指纹（42 绿）→ 合并 8bef713防回声方法论: 凡同图跨任务批量判定（验收/回归/复测），逐任务清进程内 cache 或升级库版本后再跑；采信负对照数据前先跑 ECHO 校验（同任务逐帧结果 == 同帧首触结果？）。
后续建议: 一次性人工裁决环——本页第三节逐镜头标 "真缺陷/假警报"，回收即得三臂真正的准确率矩阵；样本量警告：n=28 单集，方向性参考非定论。