submit round-33 filter results: MetaX_c-500(2)/Kunlunxin_p-800(3)/hygon_k100-ai(1)/Cambricon_mlu-370-x8(3)/Biren_166m(2), 11 models total

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

main.py

@@ -58,34 +58,29 @@ ACCOUNTS: List[Tuple[str, str, str]] = [
 #  各 GPU 的模型列表（来自 filter_verified_models 脚本的筛选结果）
 # ══════════════════════════════════════════════════════════
 METAX_MODELS = [
-    "smalltotal/Flux_wx_dust",
-    "fpadovani/eng-latn-10mb-after-ppt-Dp-10mb-ckpt500_seed10",
-    "kandivault/sprocket-500m",
-    "fpadovani/eng-latn-10mb-100mb_seed10",
-    "ymh1981/unsloth_qwen2.5_3b_grpo_google_colab_f16",
+    "MusePublic/stable-diffusion-xl-base",
+    "pei39/deepseek_r1_distill_qwen_7b_awq_rag",
 ]
 
 KUNLUNXIN_MODELS = [
-    "fpadovani/eng-latn-10mb-after-ppt-Dp-10mb-ckpt500_seed10",
-    "kandivault/sprocket-500m",
-    "fpadovani/eng-latn-10mb-100mb_seed10",
-    "ymh1981/unsloth_qwen2.5_3b_grpo_google_colab_f16",
+    "AI-ModelScope/granite-20b-code-instruct-8k",
+    "AI-ModelScope/granite-20b-code-base-8k",
+    "AI-ModelScope/granite-20b-code-instruct",
 ]
 
 BIREN_MODELS = [
-    "kandivault/sprocket-500m",
+    "AI-ModelScope/granite-20b-code-instruct-8k",
+    "pei39/deepseek_r1_distill_qwen_7b_awq_rag",
 ]
 
 CAMBRICON_MODELS = [
-    "fpadovani/eng-latn-10mb-after-ppt-Dp-10mb-ckpt500_seed10",
-    "kandivault/sprocket-500m",
-    "fpadovani/eng-latn-10mb-100mb_seed10",
-    "ymh1981/unsloth_qwen2.5_3b_grpo_google_colab_f16",
+    "AI-ModelScope/granite-20b-code-instruct-8k",
+    "AI-ModelScope/granite-20b-code-instruct",
+    "pei39/deepseek_r1_distill_qwen_7b_awq_rag",
 ]
 
 HYGON_MODELS = [
-    "fpadovani/eng-latn-10mb-after-ppt-Dp-10mb-ckpt500_seed10",
-    "fpadovani/eng-latn-10mb-100mb_seed10",
+    "pei39/deepseek_r1_distill_qwen_7b_awq_rag",
 ]
 
 MTHREADS_MODELS = [
@@ -655,13 +650,15 @@ PPU_MODELS = [
     "espressovi/BODHI-qwen-3-maze-8b-distil",
 ]
 
-# 本轮提交第二十八轮过滤结果：MetaX_c-500(5) / Kunlunxin_p-800(4) / hygon_k100-ai(2) /
-# Cambricon_mlu-370-x8(4) / Biren_166m(1)，共16个；沿用多账号 fallback 轮转。
-# 候选池已回升到6053个（上轮仅3046），但产出仍只有16个，说明新加入的模型大多
-# 在这几张卡上已跑过；需灌入这些卡未跑过的新模型才会有更多产出。
+# 本轮提交第三十三轮过滤结果：MetaX_c-500(2) / Kunlunxin_p-800(3) / hygon_k100-ai(1) /
+# Cambricon_mlu-370-x8(3) / Biren_166m(2)，共11个；沿用多账号 fallback 轮转。
+# 产出少是筛选条件本身决定的：候选池5992个里「至少一张卡已验证」有4392个、
+# 各卡「无记录」有78~911个，但两者交集只剩1~3个——在别的卡验证成功过的模型
+# 早就被各卡都跑过了，而没被某卡跑过的基本都是验证失败/验证中/未验证。
+# 只有灌入全新模型才会有一批产出（第29轮灌33496个新模型→筛出38772个）。
 # 本轮不提交 Mthreads_s4000（保留既有列表）/ ppu_zw_810e（机制B无白名单权限）/
 # Sunrise_pt-200-x1（v1.0.13已完成）/
-# Iluvatar_bi-150（本轮筛选为0；且本仓库 framework=vllm，现有 iluvatar 镜像均为 llamacpp/GGUF，缺 vllm 版镜像）
+# Iluvatar_bi-150（本轮筛出1个，但本仓库 framework=vllm，现有 iluvatar 镜像均为 llamacpp/GGUF，缺 vllm 版镜像）
 GPU_JOBS: List[Tuple[str, List[str]]] = [
     ("MetaX_c-500",          METAX_MODELS),
     ("Kunlunxin_p-800",      KUNLUNXIN_MODELS),