公开权重可用于本地决策评测，但发布方 benchmark 与小型翻译集不能证明生产可靠性。
建议动作一天内用公开 4B 权重复跑一个自有决策集，对比准确率、校准误差与拒答行为。
判断复核于 2026-10-31 · 依据：FrontiersMind 开放 Lumma-Fev-v2 决策模型