这篇是 I3 的独立番外,起点不是“再写一个模型”,而是一个可复用的问题:面对一个陌生模型,怎样判断当前代码能否加载、能否正确前向、还缺哪些能力?
当前真实状态是:V3 继续作为 Qwen2.5-0.5B / 0.5B-Instruct 的稳定对照;独立实现的 V4 已承接 Qwen3-0.6B,并通过官方前向、连续 cache decode、固定生成和本地对话验收。本文保留从兼容性审计到流式对话排障的完整过程,不把单个模型与受控环境的结果扩大为全系列支持。
一、为什么先学兼容性审计
config.json 是了解模型的第一入口,但“有 config”不等于“可以直接加载”。完整的判断链路是:
模型家族与 config
→ 权重键、形状和分片
→ 官方 forward 的计算语义
→ 配置与权重映射
→ 官方 logits 对照
→ cache decode 与固定生成验收
这套方法以后面对 Llama、Mistral 或其他模型也适用,不只服务 Qwen3。
二、Qwen3-0.6B 的配置地图
当前目标模型的关键配置是:
| 配置 | 当前值 | 对我们意味着什么 |
|---|---|---|
model_type |
qwen3 |
不是当前已验证的 Qwen2.5 家族 |
vocab_size |
151936 | 与当前 Qwen2.5 词表一致 |
hidden_size |
1024 | 对应我们的 emb_dim |
intermediate_size |
3072 | 对应我们的 ffn_dim |
num_hidden_layers |
28 | 28 个 Transformer Block |
num_attention_heads |
16 | 16 个 Q heads |
num_key_value_heads |
8 | 8 个 KV heads,使用 GQA |
head_dim |
128 | 每个 attention head 的维度 |
rope_theta |
1000000 | 与当前 Qwen2.5 配置一致 |
rms_norm_eps |
1e-6 | RMSNorm 的 epsilon |
attention_bias |
false | Q/K/V 等投影不使用 bias |
tie_word_embeddings |
true | embedding 与输出头共享权重 |
max_position_embeddings |
40960 | 配置允许的位置范围,不等于本轮实际上下文 |
use_sliding_window |
false | 当前最小目标不需要 sliding attention |
hidden_act |
silu |
FFN 的 gate 分支使用 SiLU,与当前实现一致 |
其中最容易被直接套公式误导的是:
hidden_size = 1024
num_attention_heads = 16
head_dim = 128
当前 v3 使用 emb_dim / n_heads,会得到 64,而 Qwen3 真实配置要求 128。因此 V4 必须允许 head_dim 与 emb_dim 解耦,不能只改配置数字。
另外,官方 Qwen3 forward 中还存在 QK RMSNorm:Q/K 投影后、RoPE 前分别归一化。这个结构差异不能只靠 config 猜,需要同时阅读官方实现和实际权重键。
三、V3 与 V4 必须完全隔离
为了保留稳定的 Qwen2.5 对照实现,约定:
src/squid/model/v3_modern/ 保持现状
src/squid/model/v4_qwen3/ V4 独立结构、RoPE、归一化和 attention
src/squid/checkpoints/qwen.py V3 / Qwen2.5 加载器
src/squid/checkpoints/qwen3.py V4 / Qwen3 独立加载器
tests/test_qwen/ V3 回归
tests/test_qwen3/ V4 独立验收
V4 最终没有复制或引用 V3 的模型实现,而是把 RMSNorm、SwiGLU、RoPE、Attention、TransformerBlock 和 GPTModel 重新写了一遍。这样每个版本都必须亲自过一遍,理解架构差异,而不是把“复用”误当成“掌握”;封板之后的工程复用是另一阶段的问题。RMSNorm 保留 FP32 累积、输入输出 dtype 一致的修复,避免重新引入 FP16 平方溢出。
公共 device、tokenizer 协议和报告工具可以复用;模型结构、权重映射和验收保持隔离。
四、兼容性审计清单
面对一个新模型时,按以下顺序判断:
- 模型家族:
model_type、architectures是否属于当前支持范围; - 结构配置:hidden size、层数、heads、KV heads、head_dim、RoPE、bias、权重绑定;
- 权重键:是否存在当前映射无法处理的键,是否有独立
lm_head.weight; - 张量形状:权重形状是否与配置一致;
- checkpoint 形式:单文件还是多分片,格式是否可读取;
- tokenizer:词表、EOS / BOS、chat template 和特殊 token;
- 官方语义:norm、RoPE、掩码、残差与输出头是否一致;
- 数值验收:官方 logits、prefill、cache decode 和固定生成对照。
需要区分三个层级:
能加载权重
≠ 能正确前向
≠ 能正确对话
五、ModelV4 的最小目标
第一版只做:
显式 head_dim
+ QK RMSNorm
+ Qwen3 配置与权重映射
+ V3 / V4 完全隔离
最小验收模型为 Qwen3-0.6B Dense。暂不承诺:
- Qwen3 全系列;
- Qwen3 MoE;
- GGUF / NVFP4;
- 27B 模型加载;
- 尚未执行的下载、前向或硬件验证结果。
六、前一晚的停止边界
前一晚先读懂 config.json、兼容性审计顺序和 V3 / V4 的隔离原则,没有立即开始 V4 实现。
不熬夜,不通宵。结构实现、权重键审计和官方数值对照留给后续学习日;后面的章节记录这些工作的实际完成情况。
1. Qwen3-0.6B config.json
{
"architectures": [
"Qwen3ForCausalLM"
],
"attention_bias": false,
"attention_dropout": 0.0,
"bos_token_id": 151643,
"eos_token_id": 151645,
"head_dim": 128,
"hidden_act": "silu",
"hidden_size": 1024,
"initializer_range": 0.02,
"intermediate_size": 3072,
"max_position_embeddings": 40960,
"max_window_layers": 28,
"model_type": "qwen3",
"num_attention_heads": 16,
"num_hidden_layers": 28,
"num_key_value_heads": 8,
"rms_norm_eps": 1e-06,
"rope_scaling": null,
"rope_theta": 1000000,
"sliding_window": null,
"tie_word_embeddings": true,
"torch_dtype": "bfloat16",
"transformers_version": "4.51.0",
"use_cache": true,
"use_sliding_window": false,
"vocab_size": 151936
}
逐项解读
"architectures": [ "Qwen3ForCausalLM" ]
architectures 的作用是告诉 Hugging Face Transformers 库:加载这个模型时应该实例化哪个 Python 类。这里就是 Qwen3ForCausalLM 这个类。
"attention_bias": false,
注意力层QKV线性投影是否带偏置项
"attention_dropout": 0.0
注意力att层中,用于控制 softmax(att_scores) 之后的dropout的比例。 attn_weights = self.dropout(attn_weights)
"bos_token_id": 151643, "eos_token_id": 151645,
bos Beginning of Sequence 放在输入开头,告诉模型“文本从这里开始”
eos End of Sequence 模型生成到这个 token 时停止输出
"head_dim": 128,
多头注意力机制下每个头的emb_dim
"hidden_act": "silu",
FFN 前馈神经网络中 用到的激活函数 FFN中声明了act self.act = nn.SiLU()
"""
y = down_proj( SiLU(gate_proj(x)) * up_proj(x) )
gate_proj门控信号,SiLU 之后才形成实际的连续开度。
up_proj 升维后的x (B, T, emb_dim) -> (B, T, hidden_dim) hidden_dim 默认是emb_dim的3倍
down_proj 降维回 (B, T, hidden_dim) -> (B, T, emb_dim)
SwiGLUFFN 相比较之前的 FeedForward 核心是多了一个门阀矩阵。
按照我的理解,这个门阀矩阵是类似一个电阻的装置,允许电流通过大小,也就是hidden_dim每个维度允许通过多少
但是核心原理和FeedForward不变,依然是在token经过attention 输出后的每个 token 的隐藏表示 做逐位置变换
再更高维度对自身的隐藏表示进行编辑。
阀门也就是在维度升高之后,增加了一个可以由模型自行通过学习修改阀门流量的开关。可以决定这些信息哪些值得保留,放大或者压下去。
SwiGLU FFN 在升维后,是用 gate_proj 单独生成一路门控信号,经 SiLU 变成每个 hidden 维度的连续开度,再与 up_proj 的内容逐元素相乘。这个开度可学习、可大于 1、可接近 0、也可为负,因此模型能逐维度决定信息保留、放大、压制甚至反向。
"""
def forward(self, x):
return self.down_proj(
self.act(self.gate_proj(x)) * self.up_proj(x)
)
"hidden_size": 1024
其实就是emb_dim 但是Qwen3的设计上,说是让注意力头的维度独立于隐藏层大小,调参更灵活
那原本16个头,每个头dim是128 一共是 2048。那我猜测输入可能是 2048 然后输出的时候,在out_proj的声明上,可以是 (2048, 1024) 就可以实现降维。
"initializer_range": 0.02,
权重初始化时用的正态分布标准差。模型创建时,所有线性层和 embedding 的权重按 N(0, 0.02) 随机初始化
intermediate_size": 3072
FFN中升维的维度,那Qwen3 看起来就是 1024 -> 3072 -> 1024了
"max_position_embeddings": 40960,
这个不是指位置编码(RoPE是相对位置,没有max一说)
max_position_embeddings 在 RoPE 模型里含义变了: 模型支持的最大序列长度(也就是经常看到的模型上下文大小) 所以这个模型上下文大小就是40K
"max_window_layers": 28,
滑动窗口注意力(Sliding Window Attention)目前还没有学到,相关的配置是 "sliding_window": null, use_sliding_window 就是滑动窗口的总开关
"num_attention_heads": 16,
多头注意力机制中头的数量,因为GQA的架构中 KV的头是少于Q的,所以这里也就特指Q_head_nums
"num_hidden_layers": 28, "
LLM中一共有多少层 trf_block (一个trf_block 包含1个att和一个ffn)
"num_key_value_heads": 8,
多头注意力机制中 KV的头数量,一般小于Q的头数量。等于 Q 头数时就是标准 MHA,等于 1 时是 MQA(Multi-Query Attention),介于两者之间就是 GQA。
"rms_norm_eps": 1e-06,
RMSNorm中防止除0用的,一般设置的会很小 eps=1e-6 防止分母为 0,纯数值稳定性用途,不影响模型表达能力。
def forward(self, x):
input_dtype = x.dtype
x_float = x.float()
mean_square = x_float.pow(2).mean(dim = -1, keepdim = True)
# 就在这里使用
y = x_float * torch.rsqrt(mean_square + self.eps) * self.scale.float()
return y.to(dtype=input_dtype)
torch.rsqrt(mean_square + self.eps) 等价于 1 / sqrt(mean(x²) + eps)
"rope_theta": 1000000,
rope_theta 是计算各维度旋转频率的底数(base)
第 i 对维度的频率: θ_i = 1 / (rope_theta^(2i/d))
位置 m 的旋转角度: m × θ_i
所以 rope_theta 越大 → 各维度频率越低 → 每步旋转角度越小 → 相邻位置的区分度更“细腻”,影响位置频率分布与长距离行为
"tie_word_embeddings": true,
输入 embedding(token → 向量)和输出 lm_head(向量 → vocab logits)共用同一个权重矩阵(互为转置)
对小模型来说可以节约参数。当前模型可以节约 vocab_size × hidden_size 151936 × 1024 大概 1.55亿参数量
"torch_dtype":"bfloat16"
torch加载权重使用的精度类型,看起来是BF16(BF16 指数位多,尾数位少,所以可表达的数据范围大,但精度低) 动态范围和 FP32 一样大
"use_cache": true,
开启kv cache的开关
"vocab_size": 151936
词表大小
七、权重审计:从“文件不可直接阅读”到可复用检查能力
Safetensors 是二进制格式,不能像 Markdown 或 JSON 一样直接阅读。但这个能力不应该只停留在某次 Qwen3 实验的临时命令里,因此新增:
src/squid/checkpoints/inspect.py
inspect_safetensors() 使用 safe_open() 读取:
- 权重键名称;
- 张量形状;
- dtype;
- 元素数量;
- 文件字节数与权重键总数。
它只读取元数据,不加载完整模型权重,适用于后续其他模型的兼容性审计。用户已添加最小回归并实际运行,结果为 1 passed。
1. Qwen3-0.6B 的真实权重证据
当前本地 Qwen3-0.6B 文件:
文件大小:1,503,300,328 bytes
权重键数量:311
文件中的总元素数:751,632,384
主要 dtype:BF16
第 0 层的真实形状为:
| 权重 | 形状 | 结构含义 |
|---|---|---|
q_proj.weight |
[2048, 1024] |
16 个 Q heads × 128 head_dim |
k_proj.weight |
[1024, 1024] |
8 个 KV heads × 128 head_dim |
v_proj.weight |
[1024, 1024] |
与 K 对称 |
o_proj.weight |
[1024, 2048] |
将 2048 维 attention 结果降回 1024 维隐藏状态 |
q_norm.weight |
[128] |
每个 head 内部的 Q 归一化 |
k_norm.weight |
[128] |
每个 head 内部的 K 归一化 |
input_layernorm.weight |
[1024] |
隐藏状态归一化 |
post_attention_layernorm.weight |
[1024] |
隐藏状态归一化 |
这与 config 中 hidden_size=1024、head_dim=128 相互印证:head_dim 不再由 hidden_size / heads 自动得到,Q/K/V 与输出投影的形状都围绕显式 head_dim 组织。
2. 一个不能靠 config 猜测的 lm_head 细节
配置中写着:
"tie_word_embeddings": true
第一版探针因此假设文件里不会有独立 lm_head.weight,结果实际检查为:
no_independent_lm_head = false
也就是说,文件中同时存在:
model.embed_tokens.weight
lm_head.weight
这时不能直接忽略 lm_head.weight。正确做法是先比较两份实际权重,再决定是否去重。
用户实际加载并比较后得到:
embedding:shape=[151936, 1024],dtype=BF16
lm_head: shape=[151936, 1024],dtype=BF16
torch.equal(...) = True
最大绝对差 = 0.0
因此可以确认:checkpoint 虽然重复保存了输出头,但两份权重完全相同。V4 在加载后使用一份共享参数是安全的。
去掉这份重复输出头后:
751,632,384 - 155,582,464 = 596,049,920
约为 5.96 亿元素,与 0.6B 的模型命名数量级一致。这也说明模型名称、文件大小和实际加载后的独立参数量不能直接画等号。
3. 当前兼容性坐标
| 能力 | 当前判断 | 验收或边界 |
|---|---|---|
| 配置字段映射 | V4 已独立实现 | 由官方前向与生成对照验收 |
| 显式 head_dim | V4 已新增 | head_dim=128,不再用 hidden_size / heads 推导 |
| QK RMSNorm | V4 已新增并映射权重 | 投影后、RoPE 前执行 |
| attention_bias=false | 已进入 V4 配置 | 不沿用 Qwen2.5 的 QKV bias |
| embedding / lm_head 共享 | 两份实际权重已证明相等 | 加载后只保留一份共享参数 |
| Sliding attention | 当前模型未启用 | 最小 V4 不实现 |
| BF16 | 已有支持 | 保留 RMSNorm FP32 累积修复 |
| 正确前向 / 对话 | 已在当前受控条件通过 | 见第八、九节;不扩大为全系列支持 |
早期总兼容性探针曾因独立 lm_head 的假设返回 all_metadata_checks_passed=false;随后的真实权重比较与 V4 官方对照已经关闭这个疑问,不把早期探针状态误写成当前失败状态。
这次最值得保留的经验是:
Config 描述的是模型的结构意图,checkpoint 则决定实际如何存储。两者出现表面不一致时,不直接忽略字段,也不立即判定模型异常,而是用真实权重形状和数值证明是否可以安全映射。
八、V4 官方数值与生成验收通过
ModelV4 从零实现了 RMSNorm、SwiGLU FFN、RoPE、Qwen3Attention、TransformerBlock 和 GPTModelV4,没有复制或引用 V3 的模型实现。独立加载器使用 checkpoints/qwen3.py,测试位于 tests/test_qwen3/。
1. 真实权重前向对照
使用本地 Qwen3-0.6B、CPU、FP32、固定英文 prompt:
V4 输出形状: (1, 6, 151936)
官方输出形状: (1, 6, 151936)
最大 logit 差异:4.1008e-05
平均 logit 差异:4.3524e-06
allclose(1e-4): true
top-1 一致: true
全部有限: true
这验证了显式 head_dim、QK RMSNorm、GQA、RoPE、权重共享和独立映射在当前受控条件下成立。
2. 连续 cache decode
V4 与官方连续执行三次单 token cache decode:
| Step | V4 token | 官方 token | 是否一致 | allclose(1e-4) |
|---|---|---|---|---|
| 1 | 264 | 264 | 是 | 是 |
| 2 | 8544 | 8544 | 是 | 是 |
| 3 | 429 | 429 | 是 | 是 |
3. 固定贪心生成
两边固定生成 8 个 token:
V4: 264, 8544, 429, 702, 40444, 23839, 11004, 323
官方: 264, 8544, 429, 702, 40444, 23839, 11004, 323
生成长度、token IDs 和文本均完全一致:
a topic that has sparked considerable debate and
因此当前最小目标可以正式验收:V4 不只是能加载 Qwen3 权重,还能在 CPU / FP32 / eager 下完成正确的 prefill、连续 cache decode 和固定贪心生成。
这组数值结论仍限定于当前输入、CPU / FP32 / eager,不扩大为所有设备、dtype 或 Qwen3 全系列均已通过;chat template 与 thinking 的本地对话验收另见第九节。MoE 与其他模型格式不在本次验收范围内。
九、Qwen3 对话服务:思考开关与思考区分离
V4 数值验收通过后,chat_server 与 Web UI 已从 V3 / Qwen2.5-0.5B 切换到 V4 / Qwen3-0.6B。当前使用的是 Qwen/Qwen3-0.6B 后训练对话模型,不是 Qwen3-0.6B-Base。
1. 思考模式真正进入模板
build_qwen_chat_prompt() 新增可选的 enable_thinking 参数,服务端将页面开关随请求传入:
enable_thinking=true
→ 使用 Qwen3 默认的 thinking 生成路径
enable_thinking=false
→ chat template 加入空的 <think>...</think> 区域,引导模型直接回答
该参数是模板控制,不是 V4 新增了一套推理算法。V4 负责执行模型,模型负责是否生成思考内容。
模板 stub 测试与流式、会话相关测试合计 13 passed,JavaScript 语法检查通过。
2. 页面将思考与正式回答分离
新增 <details> 思考区:
- 标题为“思考过程”;
- 默认折叠,点击可展开;
- 流式过程中可以展开观察;
- 正式回答使用独立区域,不再把
<think>当普通正文; - 历史恢复与多会话切换继续使用同一套分离渲染;
- 页面底部新增“思考模式”复选框,生成时禁用切换,避免请求中途改变模板状态。
3. 真实浏览器验收
开启思考模式,输入 2+2 等于几?:
- 页面出现可折叠的“思考过程”;
- 思考区与正式回答分离;
- 正式答案为“2加2等于4。”;
- 折叠与展开均正常;
- SSE 流式状态、TURN 计数和会话列表正常。
关闭思考模式并新建会话,输入 3+3 等于几?:
- 没有思考区;
- 直接返回“3 + 3 等于 6。”;
- 新建会话与流式输出仍正常。
当时观察到回答中偶尔出现 ``,尚未完成归因。后续对照服务端历史与流式页面,才确认其中至少有一类来自增量解码,而不是模型真的输出了乱码;详细定位见第十节。
十、流式对话排障:顺序、增量解码与生成预算
对话页面接通以后,真正暴露的问题不再只是模型结构,而是连续事件如何被转换成稳定的用户界面。今天修复了三个不同层级的问题,它们表面上都像“页面显示不对”,实际根因完全不同。
1. 思考过程为什么跑到正文下面
流式渲染函数分别维护 .thinking-details 和 .assistant-answer。旧逻辑在思考节点不存在时直接 appendChild(details):
正文节点先创建
→ 思考节点随后出现
→ appendChild 把思考节点追加到正文后面
这解释了为什么思考结束后,正文开始生成,思考区反而位于正文下方。修复不是调整 CSS,而是明确 DOM 顺序:
container.insertBefore(
details,
container.querySelector('.assistant-answer'),
);
即使正文节点先生成,思考区也始终插入正文之前。使用“你好,请介绍一下 LLM 中的注意力机制”做真实浏览器验收,确认正文流式生成过程中和生成结束后,思考区都位于上方;折叠、展开与最终 Markdown 渲染保持正常。
2. `` 不是页面编码问题,而是不稳定前缀被提前推送
当时页面出现:
结:
但服务端 /session/history 中保存的最终回答是正常的:
总结:
这组对照非常关键:如果最终历史正确、只有流式页面错误,就应优先检查增量链路,而不是怀疑模型权重或 HTML 的 UTF-8 声明。
ChatSession.ask_stream() 的策略是每得到一个 token,就重新解码全部 generated_ids,再按上一次文本长度截取 delta。旧逻辑隐含了一个不总成立的假设:上次解码文本永远是这次解码文本的稳定前缀。
当末尾汉字所需的字节或 token 尚未到齐时,中间解码可能临时以 `` 结尾:
上一次:...
这一次:...总结
旧 delta = response[len(previous_response):]
结果只发出“结”,而之前的“”已经推送给页面,无法撤回
修复方式是在末尾仍为 `` 时暂缓推送,等待后续 token 将其补全;生成结束后再补发剩余文本:
if response.endswith("\ufffd"):
continue
新增的 test_ask_stream_waits_for_incomplete_utf8_suffix 用受控解码序列复现这个边界,要求最终 deltas 只有 ["总结"],不能包含 ``,也不能丢掉“总”。这是流式文本处理里值得长期保留的原则:
只能向只能追加的 UI 推送已经稳定的前缀;可能随后续输入改写的尾部,应当先留在缓冲区。
3. 512 tokens 为什么会同时截断思考与正文
本地对话默认值经过两轮有依据的调整:
context_size: 4096 → 8192
max_new_tokens: 256 → 512 → 1024
两个环境变量分别为 LVCHAT_CONTEXT_SIZE 与 LVCHAT_MAX_NEW_TOKENS,仍可在启动时覆盖。
第一次调到 512 后,25 * 24 结果是多少 已能完整输出思考与“25 乘以 24 等于 600”。但另一个问题“你好,介绍一下注意力机制”仍停在 4. **优势**。对服务端清理后的回答重新编码,结果是正好 512 tokens,说明它撞到了生成上限。
这里最容易误解的是:
max_new_tokens = 思考 tokens + 正式回答 tokens + 结束标记
它不是正文独享的预算。把默认上限调整为 1024 后,同一个问题完整生成到“优势”和“总结”;清理后的历史回答重新编码为 585 tokens,不含已被清理的结束标记。这说明此前 512 的确不足,而这次调参有一致问题的数据依据,不是无目的翻倍。
上下文与生成预算也不是没有成本:因果掩码存在平方级开销,KV Cache 随 token 数增长,多会话还会继续累加。当前它们是本地实验配置,不代表已完成长上下文性能优化。
4. SSE done 不等于模型自然结束
旧页面只要收到 done=true,就显示“就绪 · SSE 流式返回”。但 done 原来只表示服务器的事件流结束,无法区分:
stop:模型生成 EOS,自然结束
length:达到 max_new_tokens,被强制停止
现在 ChatSession 记录 last_finish_reason 与 last_generated_tokens,服务端在最后一个 SSE 事件中附加:
finish_reason
generated_tokens
max_new_tokens
页面收到 finish_reason=length 时,会明确显示“已达生成上限 · 回答可能不完整”,并提示可以增大 LVCHAT_MAX_NEW_TOKENS,不再把硬截断伪装成正常完成。
真实验收分成两边:
- 默认 1024 下,同一注意力机制问题完整结束,页面保持正常完成状态;
- 临时将上限设为 16,页面实际出现“本次已达到 16 tokens 生成上限,回答可能不完整”的提示;验证后停止临时服务。
5. 模型能力问题与工程问题分开记录
小模型自身仍然存在不稳定。例如 123 + 789 的思考中,模型一度算出 912,随后陷入“8912?不对”的重复,直到耗尽预算,正式回答为空。这不是 DOM 或 UTF-8 修复能够解决的问题,继续增大预算也只会允许重复持续更久。
因此当前笔记把三类结论分开:
架构正确性:由官方 logits、cache decode 和固定生成对照证明
工程链路:由 SSE、DOM 顺序、增量解码和结束原因验收
模型质量:单独观察,不用工程测试替模型能力背书
6. 今天的验证范围
本轮相关回归实际运行结果为 10 passed,覆盖 test_chat_session.py、Qwen logits chat 与 Qwen chat regression;其中包括新增的临时 `` 解码回归。JavaScript node --check 与本次变更文件的 git diff --check 均通过。
真实浏览器验收覆盖思考区顺序、乱码消失、1024 下长回答完整结束,以及 16 tokens 下的截断提示。这个数字只代表本轮指定回归集合,不累加历史测试数,也不冒充全量测试或 Qwen3 全系列验收。
评论