Архивный отчёт от 26 сентября 2026 года. Эта версия для чтения сохраняет результаты и ограничения исходного запуска; она не является актуальным руководством по продукту. Исходный отчёт, проверенная ревизия 61e75e9aa9a8719dfb480bf1f5226553b3a21d70.

Диагностика чтения файлов: контрольная группа остановлена из-за несовпадения разбора команд

Отдельно разрешённый запуск diagnostic-read-20260926-v1 выполнен на чистом HEAD 2af06eb420e2fc5b74c39e95957822233761a904 с зафиксированным набором из одного случая (15a2a6b0646acdbd18114b54f49f971fee512ad8dfec04aad9d34641820b0d95). Встроенная среда Codex зафиксирована как codex-cli 0.155.0-alpha.16.3, SHA-256 c67698d0990aae05211d9c43ab343ad9517e406824dea77eca103a2806232b3a. SHA-256 бинарного файла Go CLI — 67dd408da3a634fd0560b1a1c97f0c18d0cefa88e7c023afd902910bfd6b83cb; адаптера — ecb39f0fa8634bd1b2edfb67f149828557d6443ce710a4408029c19db848f045. Сохранённое поле metadata.prompt_sha256 охватывает только общую инструкцию запроса, а не весь подготовленный адаптером запрос или добавленный Codex контекст. Поэтому оно совпадает с предыдущим основным запуском, несмотря на новую инструкцию cat. Новые планы явно обозначают этот охват как shared_request_instructions_only.

Выполнен один вызов модели в контрольной группе; экспериментальная группа не запускалась. Контрольный ответ — 0.2 со ссылкой на current, что совпадает с зафиксированным фактическим ответом. Метаданные событий содержат две пары начала/завершения command_execution, обе завершились с кодом выхода ноль. Обе классифицированы как other, поэтому строгая проверка подтверждения чтения не прошла и среда запуска корректно остановилась до экспериментальной группы. Сохранённые SHA-256 команд точно совпадают со следующими безопасными локальными вариантами:

SHA-256 команды события	Соответствующая команда оболочки
d5aad6657cc20cb7ebbe0cee41e46748b79e42f0832638609260c1f9d10f970f	/bin/zsh -lc 'cat docs/legacy-support.md'
3472d33018eb9d0e6e3c660371a560de8199d827ed5ffee0f42c23d5f2805e3e	/bin/zsh -lc 'cat bundle/doc.go'

Это выявляет несовпадение разбора команд: диагностический распознаватель поддерживает безопасно заключённые в кавычки обёртки bash/sh, но Codex использовал /bin/zsh. Метаданные не сохраняют вывод команд, поэтому точную передачу содержимого нельзя подтвердить задним числом. Фактический ответ — одно наблюдение, а не сравнение качества контрольной и экспериментальной групп. Зафиксированный анализатор корректно сообщает valid=false: один операционный сбой и одно отсутствующее испытание экспериментальной группы.

Изменение обработчика после этого запуска добавляет узко ограниченную поддержку обёртки /bin/zsh и требует точного совпадения полного вывода cat с предоставленным содержимым артефакта. Оно не подтверждает старую запись задним числом: этот вывод не был сохранён. Следующему запуску нужны собственный план и разрешение.

Наблюдаемое потребление: 45,362 входных токена, из которых 28,160 отмечены как кэшированные, и 102 выходных. Всего 45,464 входных и выходных токена — ниже мягкого порога остановки 60,000 наблюдаемых токенов. Адаптер не сообщает цену вызова в USD, поэтому стоимость остаётся неизвестной. Ограничения в 2 вызова и 120 секунд соблюдены. После неподтверждённого чтения контрольной группой второго вызова не было. Здесь сохранены исходные план, запись, отчёт и метаданные событий с удалёнными чувствительными данными; в трассировке событий нет исходного текста файлов или вывода оболочки.

Точная команда:

GOCACHE=/private/tmp/okf-agent-gocache go run ./benchmark/agent/cmd/okf-agent-eval run \
  -corpus benchmark/agent/corpus/diagnostic_primary.json \
  -plan /private/tmp/okf-diagnostic-read-v1-plan.json \
  -rows /private/tmp/okf-diagnostic-read-v1-rows.jsonl \
  -adapter /private/tmp/okf-eval-codex-adapter \
  -go-cli /private/tmp/okf-eval-cli \
  -model-runtime /Applications/ChatGPT.app/Contents/Resources/codex \
  -model-runtime-version 'codex-cli 0.155.0-alpha.16.3' \
  -model-runtime-sha256 c67698d0990aae05211d9c43ab343ad9517e406824dea77eca103a2806232b3a \
  -run-id diagnostic-read-20260926-v1 \
  -model gpt-6-luna -model-version gpt-6-luna \
  -settings '{"reasoning_effort":"low"}' \
  -commit 2af06eb420e2fc5b74c39e95957822233761a904 \
  -spec 0b87c52c6ef999286c745e19998fdfcd03d5dbee \
  -repeats 1 -max-trials 2 -max-seconds 120 -max-tokens 60000 -unpriced \
  -toolkit-mode direct -diagnostic-read \
  -model-tool-access 'Codex read-only ephemeral temp with shell; Go CLI binary supplied'