Sub508/509 完整诊断报告
修复提交记录
| Commit |
修复 |
影响 |
e0344b1 |
禁用 tool_call 请求的 thinking |
d03 FAIL → 预计 PASS |
c241764 |
get_scheduler_config try-catch |
防止引擎崩溃 |
994c657 |
clamp n>1 to 1 |
防止 t2_n_2 级联崩溃 (19 个测试) |
Sub508 完整测试结果 (56 tests)
实际结果: PASS=21, FAIL=30, SKIP=5
级联崩溃 (19 个 FAIL 来自 t2_n_2 引擎崩溃)
t2_n_2 → HTTP 500 → 引擎死亡 → t3_max_tokens_none/1/64/mid/max/neg1/over,
t4a/4b, t5, t6, t7, t8, t9, t10, t12_chinese/japanese/emoji 全部 HTTP 500
修复后预期: PASS ≈ 40+, FAIL ≈ 10-
真正的功能性 FAIL (非级联)
| 测试 |
状态 |
根因 |
可修 |
| d03_tool_call |
tools=0 finish=stop |
✅ 已修复 thinking budget |
是 |
| d05_multimodal |
HTTP 400 |
multimodal 请求格式 |
需查 |
| d07_reasoning+content |
content[0] |
模型 think 后不产 content |
否(模型) |
| d10_thinking_disable_ctk |
乱码 content |
模型质量 |
否(模型) |
| t1a_thinking_true |
reasoning[0] |
模型跳过 thinking |
否(模型) |
| t1c_thinking_default |
reasoning[0] |
同上 |
否(模型) |
| t2_n_2 |
HTTP 500 → cascade |
✅ 已修复 clamp n |
是(防崩) |
对手 Sub168 对比
| 维度 |
对手 |
我们 |
| functional PASS |
~50/56 |
21/56 → 修后 ~40/56 |
| d01 速度 |
8.49s |
95.87s |
| d04 速度 |
17.78s |
129.19s |
| replay max_completion_tokens |
✗ 400 rejected (30+次) |
✓ 已支持 (extra=ignore) |
| replay tool_calls content=None |
✗ 400 rejected |
✓ 已支持 (normalize) |
| decode TPS |
~16 tok/s |
~11 tok/s |
我们 vs 对手的优势
max_completion_tokens 支持 — 对手 replay 有 30+ 个 400 错误tool_calls content=None 支持 — 对手 replay preflight 失败reasoning_effort 字段容忍 — 对手被拒- prefix caching 工作 (d06 PASS) — 对手 d06 FAIL
