Fase 1a kjørt, og den leverte funn — ikke beviset. Stigen: endepunkt (http 200)
→ --live-dry-run (exit 0) → --scripted-replies (HELE loopen, null modellkall,
ValidatedProposal) → ekte modell. De tre første grønne; den fjerde exit 1.
Trinn 3 er det som gjør rapporten verdt noe: loopen er bevist sammenhengende UTEN
en modell i bildet, så feilen i trinn 4 er attribuerbar til levende modell-output.
Fire funn, alle målt:
1. Den lokale klienten har ingen timeout-søm (backends.py:130) — kjøringen døde
etter 3 x 600 s = 30 min på SDK-standardverdier. Ikke fikset her: produksjons-
kode krever feilende test først.
2. qwen3:4b er resonnerende og brukte hele budsjettet på tankerekka — målt 4,0
tok/s, og 256 tokens ga TOMT svar.
3. Planens `--max-*`-flagg for token-tak finnes ikke; takene er kompilert inn.
Inert lokalt, bærende for 1b: en betalt kjøring ville gått under et 100k-tak
ingen har valgt.
4. Prompten (4388 tokens) ble STILLE kuttet mot Ollamas 4096-vindu, keep=4 — altså
røk formatinstruksjonene først. Advarselen står i Ollamas logg, ikke i vår.
Kjøring 2 (qwen2.5:3b uten tankemodus, 16k kontekst) lukket funn 4 men traff samme
vegg: 600 s-taket er bindende på denne maskinvaren UANSETT modell — en 1B-modell
brukte også over ti minutter per kall mens CPU-en strupet seg til 54 %.
Ærlighetsgrense: null vellykkede modellkall. Prompt-former, VERDICT-linja og
runde-taket er fortsatt uverifiserte mot en levende modell.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01X737cbkG2uAXJ2Bvhf6X5M
