APPENDIX-facts — 事实核查账本（合并版）¶

合并自：round3/verify.md（B1–B12 补证核实，2026-09-21）+ round3/freshness.md（半衰期分级 + 监控清单，2026-09-21） 合并日期：2026-09-21。账本内所有"验证日期"均为 2026-09-20/21 实测当日。 用途：MASTER / ROUTE / CHECKLIST / 各 APPENDIX 引用任何带数字结论前，先到本账本查状态；无验证日期或无半衰期的行不允许存在。 副本：本文件同时以 final/APPENDIX-facts.md（连字符版，与 BRIEF §2 命名一致）留档，两份内容相同。

0. 账本 schema 与对账规则¶

每行统一 schema（6 列）：claim | 验证日期 | 置信 | 半衰期 | 重查方法（含下次必查时点与触发器）| URL，末尾附加"对账"列记录 verify↔freshness 对账结果。

• 置信标签：一手（官方文档/GitHub API/arXiv/HF 实测）｜双源（keenable+另一引擎独立一致）｜单源（必须标）｜低置信（未核实）
• 半衰期分级（freshness §1 全项目统一口径）：H0 ≤2 周（随时翻转）｜H1 1–2 个月（价格/版本号）｜H2 3–6 个月（活跃度/分数/漏洞披露）｜H3 6–24 个月（架构/方法学/论文级）｜H∞ 结构性（不重查，只随参数重算）｜已定案（不随时间翻转的定论）
• 状态枚举：现行 / 争议 / 已过时待更新 / 已证伪 / 已关闭 / 未验证 / 监控项

对账（reconciliation）规则（本次合并执行）： 1. 价格/政策/模型类结论：verify 与 freshness 双侧覆盖且一致 → 直接采信；数字或口径冲突 → 标 ⚠️ 并在 §3 裁决；仅一侧覆盖 → 标"仅 verify / 仅 freshness"（是分工不是冲突，置信维持原判）。 2. 半衰期两侧赋值冲突时取更短者（严格侧）。 3. 引用已过半衰期的数字 = 降级为"历史快照"，不得当"现行状态"表述。 4. H0/H1 级数据禁止写进 ROUTE.md 命令级步骤，除非旁边给出重查命令。

1. 账本 A：verify.md 补证条目 B1–B12（12 条）¶

2. 账本 B：freshness.md 半衰期赋值条目（F 组，原 F-01…按序重编）¶

3. 对账裁决（reconciliation 结果）¶

总对账 40 条：双侧一致 24 条（含 A1/A6/F5/F10 部分覆盖）；仅一侧覆盖 14 条（分工不冲突，维持原置信）；实质冲突 2 处（R1 半衰期取短、R2 价格未裁决），裁决如下。

R1 ⚠️ 半衰期冲突：GLM-5.2 SWE-bench Pro 分数（A1）¶

• verify.md §1 记"半衰期 6 个月，至 2027-03 前重查"（H2 档）；freshness §2.2 对 benchmark 分数统一记 1–3 个月（H1 档，理由：SWE-bench Verified 已有官方弃用前科 + 新旗舰发布即取代）。
• 裁决：按对账规则取更短者 = H1（1–3 个月），下次必查 2026-12-21（季度例行）或 T1 新官方系统卡发布时，以先到者为准。 分数本身无冲突（两侧均默认 62.1%），仅过期策略收紧。

R2 ⚠️ 价格冲突：GLM-5.2 现价三说不一（A6 × F5）¶

• keenable 多源 $1.40/$4.40 ｜ morphllm $0.95/$3.00（称降价）｜ llm-stats $0.75/$2.40（每百万 tokens，输入/输出）。
• 裁决：全部标"冲突未裁决"，GLM-5.2 现价必须以 z.ai 官方 pricing 页直查为准（列入待办，H1，至 2026-10-21 前完成）；聚合站价格一律只当线索（冲突 9 教训：Luna 输出价聚合站错、官方文档对）。在裁决完成前，任何交付物引用 GLM-5.2 价格必须写"¥/$ 口径三说不一，未定案"。
• 对照组：Opus 4.8 $5.00/$25.00 五源一致且自注官方 pricing，可采（剔除 SparkAI $0.86/$4.30 离群值，疑转售/镜像价）。

其余对账说明：A4（Zep）、A5（dashboard.py）、A7（Bankrbot/METR）、A11（中文一手）为 verify 单侧覆盖——freshness 属方法/监控文件，不逐条对应，不算冲突；F1–F4、F7–F8、F15–F17 同理为 freshness 单侧覆盖。A3/A8/A12 与 F11/F12/F27 是同一事实的两个侧面（事实面 + 半衰期面），已互相标注、动作不重复执行。

4. 触发器总表（事件驱动，freshness §3 原样保留；到期重查之外的即时触发）¶

5. 监控清单（可执行，freshness §4 原样保留并绑定本账本）¶

5.1 月度（每月 1 日，约 30 分钟；最简版只做 ③④，约 5 分钟）¶

# ① 价格抽查（3 家代表厂商官方页人工过一遍）
#    deepseek.com/pricing  bigmodel.cn/pricing  siliconflow.cn/pricing
# ② 免费额度抽查：同一批官网页的"免费/新用户"区块
# ③ 核心工具版本漂移：
for r in ollama/ollama promptfoo/promptfoo HKUDS/LightRAG qdrant/qdrant mem0ai/mem0 browser-use/browser-use; do
  curl -s https://api.github.com/repos/$r | jq -r '"\(.full_name) \(.stargazers_count)★ pushed=\(.pushed_at) archived=\(.archived)"'
done
# ④ 自查：final/ 里所有标 H0/H1 且验证日期 >45 天的条目 → 触发重查
#   （按本账本"验证日期"列 + 半衰期列筛）

月度输出追加到 final/CHANGELOG.md，一行一条：日期 | 变了什么 | 影响哪份文件 | 已更新✅/无变化。

5.2 季度（每季首月，约 2 小时）¶

1. GitHub 健康度全量：github_checks.json 里 44 个仓库全部重跑，与旧值比对（archived=true 或 pushed_at 停滞 >6 个月 = 降级）。
2. MCP server 白名单三条件：近 90 天 commit / issue 响应 / vendor 背书，不达标者移出并找替代。
3. benchmark 分数对手系统卡：master doc 引用的每个模型分数核对官方系统卡；聚合板数字全部加日期重验。
4. judge 校准：30 例一致率 ≥85%，跌破则改 judge prompt（I 域规则）。
5. 监管快照：CAC 官网 + Concordia AI 季报过一遍，新增法规补进安全附录。
6. 厂商切换演练：假设主力 API 消失，计时恢复 3 个核心任务（目标 <30 分钟）；记录实测耗时替换"2 小时"修辞。

5.3 半年（重点：H3 级结论存活性 = F18–F23 逐条）¶

• 重读反方报告（counterarguments + redteam_optimism）逐条问：这条反对论据今天还成立吗？
• 论文存活检查：C 域承重预印本是否已过同行评审 / 被证伪（= A8，下次 2026-12-21 起季度执行）。
• 盈亏平衡重算：最新价格 + 当前实际用量重算平衡点表（cost §4.2 代码口径，= F20）。
• "个人做不到"清单复核：每条找到仍然成立的最新证据才保留（= F23）。

5.4 事件驱动订阅源¶

6. 降权项 X 对账收口（verify 各节结论带入）¶

7. 账本统计与自我锐评¶

• 账本规模：A 组 12 条（verify B1–B12）+ F 组 28 条（freshness 赋值表 + H∞ 数学条）= 40 条；无一条缺验证日期或缺半衰期（未验证项 A5 标"低置信/未验证"、已定案项 F4 标"已定案"，符合状态枚举）。来源缺口披露：verify.md 原文缺 §11（B11 详述节，编号从 §10 跳至 §12），B11 仅据其汇总表一行带入账本 A11——引用时按"低置信/监控项"对待。
• 对账结果：双侧一致 24 / 单侧覆盖 14 / 实质冲突 2（R1 取更短半衰期、R2 价格待官方页裁决）。
• 锐评（freshness §6 带入）：① 半衰期赋值是判断不是测量，监管类 H2=6 个月在 7-15 新规前科面前偏乐观（T4 对冲）；② 月度 30 分钟监控对"傻瓜用户"仍偏重，最可行降级 = 只做 5.1 ③④（约 5 分钟），价格靠账单异常被动发现；③ 未覆盖港台/海外读者（时效结构完全不同），需按 gaps §9.9 单独分叉。
• 最危险的三条（引用前必查）：A2（H0 政策随时恢复）> F1（H0 硬件一日一价）> A6-R2（GLM-5.2 价格未裁决）。

合并完成于 2026-09-21。本账本半衰期：方法级（schema/触发器/监控流程）H2=6 个月复核；账本内具体数字随各自半衰期独立过期。