本轮中断与恢复

更新于 2026-11-02。实时数量与各代成绩继续自动更新。

六个模型各自运行两条独立的改进链。已有36个版本的180份开发作答全部评完，24次成功接班。12条链为什么停止，分别见具体停止记录。11月2日13:04，GPT第二组构造第二代时发生服务中断，原定一小时已用完，第二代未交付。已确认与Kimi采用同样处理：保留中断，以最后成功的第一代参加后续测试，不追加时间。

13:35，全部36个版本已固定，随后开始新题测试。现按原来的十道题逐题评估，优先完成生产排程。每道题只计算系统总实力、相对初代的改进和程序泛化，前两项由各代分数计算，第三项继续完成实际程序互换。每题不再追加成对评审。三项指标说明。

已经看到的差别

Claude 的第一条链、GLM 和 Qwen 的第二条链，均已完成五次接班及第五代做题。Qwen 最后一道生产题已恢复并评分，得到44/71。

GLM 第二条链的开发成绩中途有升有降。GPT 第一条链的开发成绩从 67.4% 降到 39.1%，再降到 37.6%。Claude 的两次重复也不同：第一条走完五次接班；第二条交出的首个后代，在检查中只剩约22秒，却要求至少剩45秒才发请求，因此没有开始调用就退出了。该检查记录了零次请求，直接原因是新版的时间设置与短时检查冲突。查看这条链的停止经过。

Claude 第一条链的开发总分逐代为38.1%、40.4%、40.8%、45.7%、47.6%、71.7%。最后一次上涨主要来自计算机题首次答对，零售和物业题也提高了；生产排程题却从64/71降到57/71。因此，总分持续上升时，单个领域仍可能退步。点击具体代数查看逐题成果。

Qwen 第二条链逐代为61.5%、65.3%、65.6%、64.3%、63.0%、48.3%。最后一代的生产题从42/71提高到44/71，但零售题没有提交文件，从73/81降到0；这道题正常结束，没有连接错误。五次接班成功，仍可能伴随明显的开发成绩下降。原作答与评分保留，不把这次失败当成连接中断重做。

这些都是反复见过反馈的开发题成绩。最后哪个系统最强，以及程序换给其他模型是否有效，仍要看后续的新题和互换结果。开发题中已经发现的定义问题和反馈冲突也会影响对涨分的解释。

已经处理的中断

GPT 当时已生成并检查了文档，但临时工作目录过大，导致整体保存失败。恢复后的文档来自它已经完成的生成步骤，文件大小与原记录一致，恢复方式已写入这份成果的记录。

独立备份程序曾因模型清理临时目录而退出，已修复并重新启动。现在会持续保存逐代作答、改进和后续跨模型互换的工作文件，只有模型正式提交的成果才参与评分。

电脑重启时中断的一次改进

电脑于11月2日02:21重启。Kimi 第二条链当时正在由第一代构造第二代，原临时工作目录没有保留下来。已逐项核对中断前完成的25次操作，均为阅读程序和开发材料，还没有修改候选程序；原请求、回复及最后未完整返回的内容仍保留。

这项从同一份输入恢复工作文件，保留全部旧用量。由于无法确定原进程究竟在何时停止，保守地把直到重启的整段时间都计为已用，剩余约8分钟。第一条链停止后，第二条链于03:09开始接续，新增20次请求，于03:17达到原时间上限，第二代仍未交付。同一模型的两次工作按顺序进行。这项恢复单独记录为电脑重启后的重新开始。

用完时间仍未交付的三条链

Kimi第一条链于03:09用完这次改进原定的一小时时间。恢复后新增44次请求，最后一次因超时未完整返回，没有第五代的正式交付。第四代及此前的成绩继续保留。

第二条链也已用完原时间，最后成功版本为第一代。两条链的新旧用量已经合并核对，工作文件和未完整返回的内容全部保留。

11月2日已确认：保留这些中断，分别用第四代和第一代参加新题测试，不追加时间，也不把未产生的后代填成零分。开发题缺项和其他模型尚未结束的进化，仍会阻止新题开放。

GPT第二组于13:04结束第一代的改进，累计50次请求、约60分钟，第二代没有正式交付。最后一次因服务恢复耗尽时间而停止。已另行确认：保留这次服务中断，以第一代参加后续测试。它与两组Kimi都不会被计为明确的接班失败。

GPT 两项的生成额度与原进度恢复

GPT 第一代的数学题和零售题遭遇了多次服务商拒收。原规则在没有返回用量时保留整次请求的生成额度，因此两项的预留额度已满，不能直接继续发送请求。另有真正没有完整返回的请求，这些未知用量继续保留。

逐次核对后，数学题有8次明确拒收，零售题有5次明确拒收及3次未完整返回。已确认扣除这13次明确拒收所占的生成额度：数学486943、零售327680。已生成内容、请求次数、传入材料和实际等待时间均继续计入；零售另外3次未知用量仍保留原预留额。已经完成的成绩和接班失败不重做。

这项规则适用于所有模型：只有原始返回明确显示请求被拒收、内容为空、没有任何生成过程时，才扣除输出预留额。原始请求、错误和用量文件继续保存，调整依据另行记录。

恢复检查还发现，旧恢复工具没有接回GPT程序在内存中保存的阶段计划。现在从已记录的成功保存动作还原这些计划；数学14次、零售12次成功回复全部与原请求一致，才允许继续发送新请求。恢复检查没有调用模型，也没有重复执行原来的文件操作。参赛程序保持原样。

数学题于11:44完成，旧过程加恢复共29次请求、约25.6分钟；零售题于12:04完成，共40次请求、约35.6分钟。两题的累计用量都在原上限内，原有回复、文件和完成成绩均保留。

GPT随后用第一代亲自构造后代，最终因服务中断用完原时间。明确失败的改进保留原结果，不由人工修好后重新参赛；新测试阶段的实际进度见首页。

下一轮需要提前固定中断恢复方式：哪些状态必须保存、能否从文件重新开始、如何累计已经用掉的资源。这能避免把本机或服务故障混入模型改进能力的比较。