五模型，兩輪作品的實際結果

共封存 17 / 20 份原作；封存包含有缺陷的作品，不等於全部功能合格。本次綜合交付與第二輪改善，以 Muse 免費版最均衡。

2026-09-07：依使用者要求停止後續測試，三分鐘監控已停用。保留 17 / 20 份正式原作：鵜鶘 9 / 10，飛行遊戲 8 / 10。封存數包含功能有缺陷的模型原作，不能當成全部通過的數量。未完成草稿、原始片段及失敗嘗試另存，不充當完成版本。

若只選一組繼續做這類小型互動作品，我會先選 Muse 免費版：這是本次交付與改進表現的主觀綜合判斷，不是普遍模型排名。若重視本機離線，IQ3_S 已證明能產出，但仍需要人工驗收。

第二輪到底改進了什麼

Muse：飛行 QA 由 25 / 27 到 27 / 27；全畫面暫停與手機射擊修復，射擊、飛彈與方向鍵進入手機首屏。固定操作約 18.67 秒獲勝。仍有兩則 touchcancel Console 訊息。鵜鶘第二輪布局更緊湊，但桌機新增白邊，不能稱全面變好。

Gemini：飛行原先未觀察到飛彈、命中與擊落，第二輪已觀察到，27 項檢查均 true，固定序列約 4.51 秒獲勝。巨大青白尾焰反而更遮機體；未鎖定就可追蹤發射的規則偏差有讀碼線索，但未獨立操作確認。鵜鶘手機車輪比例修正，畫布可暫停，但頁首圖示仍動畫。

GLM：飛行首版固定序列 90 秒未命中／擊落而失敗，第二輪 27 項檢查均 true、約 71.83 秒達 5 擊落獲勝；手機上方生命／時間／暫停仍重疊。鵜鶘全新兩輪均通過動畫、全畫面暫停與恢復，暖色海岸、米白鵜鶘、紅圍巾和紅車架清楚。

本機 IQ3_S：飛行首版 crR 未定義造成畫面失效；第二版修復，26 / 27 項 true。暫停狀態與時鐘停住，但整幅畫面未完全凍結；恢復按鈕受攔截，使用 P 才恢復。固定操作約 21.02 秒以生命 0、擊落 3 架失敗，尚未證明可以贏。鵜鶘由喙朝上改朝前，騎乘姿勢更清楚，手機主角仍偏小。

雲端 Qwen：鵜鶘首版動畫／暫停／恢復正常，線條較簡單、手機留白較多。第二版只留下 28,595 bytes 未完成草稿；飛行留下 7 個原始程式片段，共 45,547 bytes，尚未組成最終 HTML。沒有拿草稿或重複首版補數。

QA 勝利時間只是一次固定正常輸入的結果，不是難度、遊戲手感或模型推論速度排名；27 個 true 也不涵蓋所有規則、視覺與真實手機情境。

各次交付經過時間

下表只列採用版本的任務經過時間。包含思考、工具、等待與自檢；先前失敗另保留，這不是所有嘗試的總成本，也不是 tokens/s 或 runtime 跑分。

Context、IQ4 與雲端 Qwen

本機正式採用 IQ3_S / 65,536 context / Q8 KV / MTP 2。IQ4 在改用官方 thinking 取樣後曾交出首版，但 40K 第二輪仍以 length 結束；換 IQ3 後才完成獨立兩輪。IQ4 的歷史原作與失敗沒有刪除，也沒有改標成 IQ3。IQ3 飛行第二轮也曾用滿 64K，精簡重複 QA 提示後補交，這個條件差異有公開保留。

雲端 Qwen 最後成功 prompt 約 87K / 93K，設定是 1M；沒有 context overflow 證據。微小直接 API 請求也可卡在「資料送出後等待 HTTP 回應標頭」，同時同金鑰的 GLM 可完成。早期 32K output 曾成功，但後續也等待，不能宣稱降到 32K 已可靠修好。最有力的定位是 OpenRouter 的 Qwen／Alibaba 請求路徑，內部哪層原因仍未確證。詳細原始診斷見 diagnostics/cloud-qwen-20260907/DIAGNOSIS.zh-TW.md。

本次維持各工具可設定的最高思考請求，並未設定模型 elapsed timeout；不同工具、提示、context/output、重試與讀圖可用性仍有差異。它比較的是這套實際工作流程的交付結果，無法據此判定哪個 runtime 純推論最快。

保留的作品

鵜鶘動態作品集 · HTML、快照與紀錄 ZIP

飛行遊戲作品集 · HTML、快照與紀錄 ZIP

作品頁保留兩版比較、可播放原作、手機／桌機快照、公開 QA 和來源 hashes。私有模型思考、原始 logs、認證資料與未完成草稿沒有放進公開作品包。停止由使用者提出，並未被記成模型正常交件或 provider timeout。