欢喜OS · 版本评测档案

codex 0.165.0 · 单轮详情

20261107-codex-0.165.0-t1

测量日 2026-11-07 · source SHA 缺测
schema 缺测
provider: ppio;template: teams-work-v1;cpu: 4;memory_mib: 8192;os: Debian 13;deployment_kind: fresh_isolated

无独立交付快照;本页保留本轮公开指标。

版本 / 试次测量日completed / 输入内容 PASS回复耗时合计 / 秒模型响应工具调用报告
codex 0.165.02026-11-0714 / 149 / 10629.56872详情与报告

逐用户输入

输入原生终态回复延迟 / 秒CLI / 观察耗时 / 秒模型响应工具调用
C01/U1completed30.640.643
C02/U1completed46.856.848
C03/U1completed29.139.256
C04/U1completed52.362.389
C05/U1completed93.0103.0710
C06/U1completed23.333.432
C07/U1completed26.836.832
C07/U2completed47.157.133
C08/U1completed29.439.457
C08/U2completed49.559.544
C09/U1completed63.180.187
C09/U2completed90.4100.576
C10/U1completed23.933.943
C10/U2completed24.134.232

逐题内容判分

题目内容复核原检查器回复合计 / 秒
C01 发票去重与对账PASSPASS30.6
C02 日志关联与事故时间线PASSPASS46.8
C03 多文件政策优先级PASSPASS29.1
C04 时区与稳定排序PASSPASS52.3
C05 小模块修复与回归PASSPASS93.0
C06 依赖图与关键路径PASSPASS23.3
C07 采购方案追加预算约束PASSPASS73.9
C08 销售汇总与增量更正PASSPASS78.9
C09 命令行工具连续迭代PASSPASS153.6
C10 发布判断与新证据修正INCONCLUSIVEFAIL48.0

指标与缺测

{
  "artifact_grades": {
    "INCONCLUSIVE": 1,
    "PASS": 9
  },
  "invocation_or_observer": {
    "expected": 14,
    "observed": 14,
    "observed_sum_s": 776.780873712,
    "sum_s": 776.780873712
  },
  "model_id_mismatch": 0,
  "model_id_missing": 0,
  "native_tool_calls": 72,
  "observed_model_ids": {
    "deepseek/deepseek-v4.1-flash-1017": 68
  },
  "observed_model_intervals": {
    "expected": 68,
    "observed": 68,
    "observed_sum_s": 627.6859998703003,
    "sum_s": 627.6859998703003
  },
  "observed_tmp_commands": 4,
  "observed_tool_intervals": {
    "expected": 72,
    "observed": 72,
    "observed_sum_s": 93.06400036811829,
    "sum_s": 93.06400036811829
  },
  "raw_artifact_grades": {
    "FAIL": 1,
    "PASS": 9
  },
  "response_latency": {
    "expected": 14,
    "observed": 14,
    "observed_sum_s": 629.4801471233368,
    "sum_s": 629.4801471233368
  },
  "scope_observed_cases": 10,
  "terminals": {
    "completed": 14
  },
  "tmp_command_cases": [
    "C04",
    "C10"
  ],
  "tool_distribution": {
    "exec_command": 72
  },
  "tool_input_availability": {
    "unmarked": 72
  },
  "tool_missing_arguments": 0,
  "tool_missing_results": 0,
  "tool_output_availability": {
    "unmarked": 72
  },
  "user_turns": 14,
  "visible_model_responses": 68
}
采集与覆盖说明(manifest 原文)

口径与限制

n=1;并发争用、模型随机性、跨日基线未受控;不能据此作统计排名或因果结论。输入终态、内容判分、范围遵守与采集完整度分开呈现。

固定基线为2026-11-07 Codex0.165.0 / OpenClaw2026.11.1;欢喜OS各版本单独新增试次。相同10题、14用户输入,liqian deepseek/deepseek-v4.1-flash-1017。 每次报告明确区分:输入→原生终态延迟、CLI/观察收尾、模型响应、工具步骤、内容判分、范围遵守与证据缺测。跨日固定基线不是同时随机对照。

内容复核口径(comparisons/latest.md):历史复核:C08 原检查器漏查子目录备份,原判保留、内容复核 PASS;C10 部署清单完整性与 JSON 层级题面有歧义,保留 INCONCLUSIVE。

主耗时不包含CLI终态后退出等待。模型/工具时间线允许重叠;不得相加当整体墙钟。单trial及跨日历史基线只支持探索性比较。