11 月 10 日与 11 日的一手材料里，判断从干活的大模型手里挪开。谷歌 DeepMind 的 MKA 把 200 道题交给一个基于非谷歌模型的评审器；arXiv 2611.14320 让智能体沿证据链下钻复核自身经验；arXiv 2611.13966 把全局审阅做成可选部件，效果要看修订预算；Plurai 用后训练小模型常驻做评估与护栏，Databricks 把审批规则与支出上限放进 Unity Gateway。判分的一方比干活的一方小了一圈。
判断开始有独立报价。Plurai 的账里，后训练模型在自家任务上准确率超过两款前沿模型，成本低 40 倍与 44 倍，官方称运行可靠智能体的成本降 97%。MKA 把成本与分数画在同一张图却没给数值，只说 Gemini 4 Carbon 质量排第 2、成本约为榜首的六分之一。TIGA 补了一笔，结构质量居前的代价是词元消耗、API 调用量与推理时间上升。
给评审器复核的仍是发布方自己，MKA 的 96% 一致率出自谷歌自家材料，复核样本量与分歧项没有列出；Plurai 的 82% 与 97% 出自设计伙伴；TIGA 的审阅器收益随数据集漂移；WikiTrace 让智能体查自己写下的东西，对错仍由同一套基准判定。
判断与执行是否分属不同权重，MKA 用非谷歌模型算一种，Plurai 的执行与评估共用同一批小模型算另一种；200 道私有评分题与保密轨迹让外部无法重跑，96% 这类一致率只能当发布方口径；判断开销按任务、按轮次还是按动作单列，TIGA 的修订预算与 Databricks 的支出上限各按一种单位算。站内写过约束点外移与评测口径，本周多出成本与归属两栏。
MKA 放出 10 道公开样例，其余 200 道由 Artificial Analysis 私有保管；WikiTrace 与 TIGA 代码在 GitHub，摘要没给下钻与审阅的开销；Plurai 开放免费层但客户名单与基线未披露；常驻 Genie 仍在预览与测试计划里。四项材料的判断开销单列口径都未给出，免费层与保密题集也没有可复核的账本。