本报告记录 OC-70 截至 2026-11-09 的阶段性交付。四模型手选聊天、会话切模和输出修补已验收，游戏停复模仍在准备。范围及后续依赖见《desktop 统一模型路由与游戏让渡》。

已交付的用户结果

交付点 已验证结果
原 M1 原 35B 实际聊天和既有记忆链路通过
原 M2 UD27B、Ara27B、DeepSeek Flash 统一路由及界面验收通过
T1 四模型手选 三款本地模型及 Flash 的接口与原生聊天共八项验收通过
S1–S3 手动切模 网页和 /provider 共用当前会话偏好，具备排队、加载、就绪和失败状态，当前版本获用户接受
普通输出修补 默认省略 max_tokens，显式正整数按调用方要求处理，长度终态保留正文并提示继续

本地模型包括 Qwen3.6-35B-A3B-UD-IQ3_S、Qwen3.8-27B-UD-Q3_K_XL 和 Qwen3.8-27B-Heretic-Ara-IQ4_XS。模型选型证据见《RTX 5080 本地 LLM 选型分析》。

输出修补的实际证据

Ara27B 接口样例 输出 tokens 结束原因 验收结果
默认请求 765 stop 1070 字符，TEST_END 结尾存在
显式 32-token 请求 32 length 保留部分正文，原生消费者生成继续提示

前置检查最初漏拦模型管理器离线，旧基线返回 HTTP 500。随后补齐进程、启动身份、路径和监听检查，调用现有管理器启动入口恢复，再执行修补后验收。失败基线保留，以上两个样例用于本次实际验收。

2026-11-09 09:02 输出修补正式收口，准确八项本轮资源租约完成释放，服务交由持续运行 owner 接管。历史失败记录继续保留。

最后运行快照

11 月 9 日 08:01，AstrBot 与 model-gateway 均运行，网页与网关检查返回 200，Ara27B 驻留，显存为 15,727 / 16,303 MiB，目标游戏进程计数为零。08:52 再次入口访问返回 200。后续采用保持服务在线策略。以上是带时间戳的已测状态。

原生回复与接口流式

原生插件等待模型完整生成，保存对话后一次发送完整结果，因此网页先显示思考，再出现整段答案。统一接口在 stream=true 时已经支持 SSE，原生聊天仍需接入逐块发送、终态保存及中断处理。

普通输出省略 max_tokens 后，模型上下文、后端生成终态及客户端超时仍起作用。长度结束提示只覆盖明确 length 终态，网络中断和取消后的部分内容保存需要独立验收。

输入、历史与底层窗口

层次 当前实际策略
原生单条输入 四模型均最多 1000 个 Python 字符计数，包含英文、标点和换行
35B 历史 当前会话最后四条消息，每条保留末尾 500 字符，另带既有结构化记忆
两款 27B 与 Flash 历史 当前模型连续写入的末尾最多四条消息，每条末尾 500 字符，遇到其他模型记录停止
统一 API 输入 1–6 条显式文本消息，首条最多 2048 字符，其余每条最多 1000 字符
普通本地提示词 套用聊天模板后，网关按真实 tokenizer 检查最多 4096 tokens
普通本地响应传输 非流式 JSON 最多 65,536 字节，SSE 累计最多 1,048,576 字节，超过时失败或中断
请求体 统一接口 JSON 请求体最多 65,536 字节
本地上下文配置 35B 为 49,152 tokens，两款 27B 各为 8,192 tokens
云端上下文 本报告未重新核实 DeepSeek Flash 实际服务窗口

四条消息通常对应两轮问答。原生聊天最多带入 2000 字符历史，加当前最多 1000 字符输入、系统提示与适用记忆。普通本地路径还受 4096-token 提示词检查约束。取消 max_tokens 后，响应字节上限仍然存在，需要在后续适配中一并处理。模型启动窗口采用既有配置记录，本报告未重新测量最大可用上下文。

长回复保存后，下一轮也只取其末尾 500 字符。因此长答案开头可能从下一轮输入中缺失，影响连续讨论和“继续”生成。字符数与 tokens 分别计量。上下文窗口要容纳系统提示、历史、当前输入及生成内容。

待完成的验收

游戏停复模 T2 正在适配现有 S3 和输出修补。新增主动预热路径需要覆盖游戏状态检查，同时保留当前部署与恢复链。真实游戏启动禁载、排空、卸载、显存释放，以及退出 30 秒后恢复默认 35B 和聊天仍待实测。

只读检查发现 desktop 上存在桌面会话，WeGame 正在运行，游戏主进程未运行。SSH 与桌面处在不同会话，命令行启动需匹配交互登录会话。游戏入口文件及 WeGame 协议存在，真实启动、登录或 UAC 行为和正常退出尚未验证。

严格双标签页切模时序、完整选择矩阵、原生流式、端到端取消和完整重启故障矩阵保留为后续验收项。原 M3 的 OpenClaw 长上下文与工具闭环继续后置，OC-71 暂停。

下一阶段适配方向

优先完成 T2 核心验收，再分别评估原生流式与取消、按 token 预算保留完整最近对话、较长输入，以及网页手动释放显存。输入策略变更需同步原生插件、统一接口和网关，避免上层接受后被下层拒绝。

扩大模型窗口要结合显存、内存与首字延迟测量，当前 27B 的驻留显存已经接近设备上限。跨模型和云端历史迁移需要明确数据范围。以上均为待评估方案，尚未部署。