# R4 对照实验·终局核算（2026-09-21，五跑全终态）

## 终表（全部本地 zcode 新会话、同机同模型）

| 跑 | 工具/通道 | 墙钟 | 合计请求 | 合计 tokens | 子代理 | 终态 |
|---|---|---|---|---|---|---|
| R4-L | sillyspec 3.29.4 大任务全流程 | **185min** | 767 | 99.1M | 19 | verify PASS + archived |
| R4-O-L | OpenSpec 1.13.1 大任务 | **80min** | 251 | 52.0M | 0 | archived |
| R4-S-F | sillyspec 全流程（小任务） | **171min** | 298 | 53.6M | 2 | archived |
| R4-S-Q | sillyspec quick（小任务） | 41.2min | 87 | 8.97M | 0 | --done 落账 |
| R4-O-S | OpenSpec（小任务） | 21.5min | 85 | 9.33M | 0 | archived |

## 预注册判定（H1–H6 收口）

| # | 假设 | 判定 | 证据 |
|---|---|---|---|
| H1 | 大任务墙钟 ≤150min | **FAIL** | 185min（vs 老版 269min 降 31%，但超线 23%） |
| H2 | 机制 ≥3/5 生效 | **PASS（4/5 确认）** | 见下 |
| H3 | 提示词级四律可靠 | **PASS（本跑）** | 审查钳 3/3 阶段达标：Design Grill 11req（≤12）/ plan 6req（≤10）/ QA 6req（≤15）——四律首次实证能被遵守 |
| H4 | quick 资产尾 | **FAIL** | CLI 缺陷 A（export 缺失）+ B（--linked-changes 管道断），已列修 |
| H5 | 小任务全流程 ≤30min | **FAIL** | 171min，其中 ≥3 轮全量门禁循环（存量债→advisory→死信逐层暴露） |
| H6 | 小任务 quick ≤20min | 墙钟 **FAIL**（41.2）/ 一次过 **PASS** | 零等待轮零返工 |

## H2 机制点明细（R4-L 19 个子会话时间窗实证）

- **波次并发 ✅**：Wave1 两个实现子代理 72~81min 并行；Wave2 四个实现子代理 85~95min 并行（3.29.3 拓扑守卫生效的直接证据）
- **无假红循环 ✅**：工作树 friction-tally 零 gate_rollback、verify 一次过（review_rejected×3 属 S2 审查正常否决）
- **审查请求钳 ✅**：三阶段 11/6/6，全部在 12/10/15 帽内
- **零卡片填充子代理 ✅**：19 子 = 3 只读调研 + 1 取证 + 2 审查 + 12 实现 + 1 QA，无 TaskCard 生成器（第 3 轮的老病灶消失）
- 批量补完：未单独确认（verify 163~185min 含门禁，一次通过）

## R4-L 的 185min 分解（子会话窗口）

引导+brainstorm 调研 0–20（3 调研代理并发）→ 四件套+原型 20–40 → 设计审查+计划审查 40–57（合计仅 17min，四律生效）→ 计划定稿 57–72 → **execute 72–162（90min，6 波，波内并发）** → verify+归档 163–185。

## 三层对比结论

1. **纵向**（修复前后）：大任务 269→185min（-31%）、tokens 104→99M（平）；小任务全流程表面 39.5→171 恶化，但 39.5 是服务器侧+fork 条件不可比，171 是门禁病理特异值（非正常流）。
2. **横向**（同条件对撞）：大任务 sillyspec/OpenSpec = 墙钟 2.3×、tokens 1.9×、请求 3.1×；小任务 = 墙钟 1.9×、tokens 0.96×（持平）。**fork 混杂再次证实**：OpenSpec 大任务全新会话 80min/52M vs 第 3 轮 fork 跑 177.8min/80M（fork 虚高 ~2×）。
3. **机制层**：全部主要结构修复在真实运行中生效（串行波→并发、审查失控→钳内、填卡子代理→零、假红→零）。**墙钟未同比例改善的原因**：(a) 子代理扇出的固有成本——19 个子会话重读上下文吃掉 42.3M/522req（占总 tokens 43%/总请求 68%）；(b) 门禁病理（R4-S-F 171min 几乎全是门禁循环）；(c) ceremony 总厚度。

## 后续（已在办）

- 门禁三件套 + 缺陷 A/B + 模块粒度范围化（已安排，gate-value-audit.md 拍板 touched-modules 粒度）
- 3.29.5 发版后 R5 小任务 ×2 重放验收（同基线、2 跑取分布）
- 子代理扇出的 token 倍增是产品定位问题（质量换成本），不是缺陷——是否优化（如实现子代理共享预载上下文）待单独立项评估