Hermes Decision Trace
小墨模型评测详情：MC-4.8（2026-06-15 164052）
MC-4.8 本轮小墨模型评测得分 133 / 160，属于“主模型可用，但需要看偏科项”的区间。它适合做文档治理 worker、规划/同步收口 worker，也可以作为轻量主线候选试用；但不建议无约束替代 gpt-5.5 承担强工具闭环、远端验证、发布裁决等高风险执行任务。
🧭
推荐路径建议接入为：文档治理 worker / 规划收口 worker。
🔎
关键依据见证据摘要与完整记录中的状态、产物和校验链。
🛠️
落地方式先把已验证方案当成稳定基线：保留当前 schedule / deliver / workdir，不急着继续扩面；新增候选先读源码、看 output、做 run-now 验证，再决定是否转 script-only。
证据摘要
- 正文保留完整证据链；本页顶部只展示可读摘要。
行动清单
建议接入为：文档治理 worker / 规划收口 worker。
可试用为：轻量主线候选，但必须加工具强制链和结果验收。
不建议用于：高风险代码发布、GitHub 同步是否已完成的最终裁决、运行态/远端状态判断、需要真实输出证明的强执行任务。
边界 / 风险
风险 / 边界
正文未抽取到明确风险；上线前仍需确认权限、回退路径与运行态影响。
完整记录
小墨模型评测：MC-4.8 结果（2026-06-15 164052）
结论
MC-4.8 本轮小墨模型评测得分 133 / 160，属于“主模型可用，但需要看偏科项”的区间。它适合做文档治理 worker、规划/同步收口 worker，也可以作为轻量主线候选试用；但不建议无约束替代 gpt-5.5 承担强工具闭环、远端验证、发布裁决等高风险执行任务。
元信息
- run_id：
20260615-164052__custom__mc-4.8 - provider：
custom - model：
MC-4.8 - baseline：
gpt-5.5 - scored_by：
gpt-5.5 - score_total：
133 / 160 - score_status：
scored - score_report：
/home/ht/knowledge/model-evals/scored/20260615-164052__custom__mc-4.8.md
单题得分
- T1 主线保持：
17 / 20 - T2 复杂规划：
17 / 20 - T3 commit grouping：
16 / 20 - T4 tool-verification：
15 / 20 - T5 regression 判断：
18 / 20 - T6 upgrade worth-it：
19 / 20 - T7 wiki 收口：
16 / 20 - T8 drift triage：
18 / 20
能力判断
- 主线保持：能准确排除旁支并给停止点，适合长会话里的局部收口；但遇到具体 commit 对象时仍会先给通用框架，证据绑定不够硬。
- 规划收口：先结论、再分层、再终态/停止点的结构稳定，适合补丁同步、升级评估、wiki 治理这类低到中风险规划。
- 代码 / patch 判断：commit grouping 基本合理，能识别 Feishu、image_gen、tools、copilot/backup 的边界；但 tools 组仍保留条件分叉，需要外层流程补真实 diff 检查。
- 工具执行闭环：知道必须先查，也能列出合理命令和判断陷阱；主要扣分点是 T4 没有返回真实工具输出，仍停在“验证方案”层。
- 文档治理：概念页、判断矩阵、误判提醒和中文表达都比较稳，适合做长期 wiki/summary 初稿和治理型 worker。
建议角色
- 建议接入为：文档治理 worker / 规划收口 worker。
- 可试用为：轻量主线候选，但必须加工具强制链和结果验收。
- 不建议用于：高风险代码发布、GitHub 同步是否已完成的最终裁决、运行态/远端状态判断、需要真实输出证明的强执行任务。
相对 gpt-5.5
相对 gpt-5.5，MC-4.8 的优势是中文结构化表达稳、治理口径顺、停止点清楚；弱项是真实工具执行和证据闭环低一档。它能稳定产出“正确方向的收口草案”，但不能默认信任为最终事实裁判。
归档
- 本地 run：
/home/ht/knowledge/model-evals/runs/20260615-164052__custom__mc-4.8.md - 本地评分：
/home/ht/knowledge/model-evals/scored/20260615-164052__custom__mc-4.8.md - 本地 index：
/home/ht/knowledge/model-evals/index/latest-summary.md - 默认归档口径：只写本地 wiki + Decision Trace HTML，不写飞书主库。