diff --git a/research-wiki/designs/2026-08-25-thinking-observability-design.md b/research-wiki/designs/2026-08-25-thinking-observability-design.md
new file mode 100644
index 0000000..bded727
--- /dev/null
+++ b/research-wiki/designs/2026-08-25-thinking-observability-design.md
@@ -0,0 +1,209 @@
+---
+type: design
+node_id: design:2026-08-25-thinking-observability-design
+title: "推理可观测性一等化(issue #16 + #17)"
+date: 2026-08-25
+---
+
+# 推理可观测性一等化（issue #16 + #17）
+
+> 类型：design｜日期：2026-08-25｜状态：待人类确认
+> 事实基础见 `findings/2026-08-25-thinking-observability-regression.md`（本文所有实测引用均出自该文）。
+> 沿用 `2026-08-02-thinking-capability-design.md` 的先例：经充分实测后直接给出单一方案，不列备选；被否决的路见 §9。
+
+## 1. 问题不是 issue 说的那个
+
+issue #16/#17 判定"MiniMax-M3 开启推理静默失效，模型不推理"。**实测推翻了这个诊断**：M3 的推理完全正常——流式路径下 `reasoning_content` 有 124 字符完整推理过程，`prompt_tokens` 194→216、`completion_tokens` 3→60，三个独立信号一致。
+
+真正发生的是：**MiniMax 这一路上游不再返回 `usage.completion_tokens_details`**（qwen 与 deepseek 在同一网关同一 key 上照常返回），于是 `reasoning_tokens` 恒为 NULL；而 e2e 的四条用例把 `reasoning_tokens` 当作唯一判据，于是集体判红。
+
+**库自己握着决定性证据却没用它**：`LLMResponse.thinking` 在同一次调用里是 185 字符的实打实推理正文，从未参与任何"推理是否发生"的判定。
+
+所以这是一次**可观测性缺口**，不是功能故障。而缺口的形态——库拿到的信息足以回答问题，却把答案丢掉，转而返回一个语义歧义的 `None`——正是 P5 要消灭的静默掩盖。
+
+## 2. 根因三层
+
+| # | 缺陷 | 只修外层会留下什么 |
+|---|---|---|
+| ① | `reasoning_tokens=None` 同时承载"没推理"与"没上报"两个语义，不可区分。`types.py` 的 docstring **已经写明这个歧义，但只是描述它，没有解决它** | 换个供应商停报 ctd，同样的红再来一次 |
+| ② | 解析出的 `thinking` 文本从未接入任何判定：e2e、遥测、下游看的都只有 `reasoning_tokens` | 库继续把手里的硬证据丢在地上 |
+| ③ | 能力表是**静态单向**声明（只有 `can_disable`），且没有任何机制把声明与运行时观测对账 | **下一个同构故障已在等着** |
+
+第 ③ 层最要紧。设想某天 M3 变成不能关推理：库照常注入 `reasoning_effort=none`，模型照常推理，下游拿到推理内容却以为关了，而库全程不吭声——与本次同构，且更隐蔽（本次至少有测试变红，那次连测试都是绿的，因为 L1 的判据同样只看 `reasoning_tokens`）。能力表过期是**必然事件**（M3 的 evidence 停在 8-02 整整 23 天），设计必须把它当常态处理，而不是靠人记得去复测。
+
+## 3. 设计主张
+
+一句话：**把"这次推理到底发生没发生"从下游的猜测变成库的一等返回值，由多信号裁定；单次响应判不出来时如实说"未知"，绝不伪装成"没有"；并用它与能力表持续对账，让声明过期成为可报警事件。**
+
+三条纪律贯穿全文：
+
+- **能从数据可靠推断的，绝不进静态表。** 静态表必然过期，这次就是。
+- **判不出来就叫"未知"，不许折叠进"没有"。** 折叠是 ① 的病根。
+- **最硬的证据优先。** 推理正文是事实本身，token 计数是对事实的转述；转述缺失时事实仍然作数。
+
+## 4. 数据模型
+
+### 4.1 `ThinkingObservation` 三态（新增，响应侧）
+
+```python
+class ThinkingObservation(StrEnum):
+    OBSERVED = "observed"   # 确证推理发生
+    ABSENT   = "absent"     # 确证未推理（正面证据）
+    UNKNOWN  = "unknown"    # 无任何信号，判不出来
+```
+
+裁定纯函数 `observe_thinking(*, thinking: str, reasoning_tokens: int | None) -> ThinkingObservation`，四条分支按顺序：
+
+| 条件 | 结果 | 理由 |
+|---|---|---|
+| `thinking` 非空 | OBSERVED | 推理正文是事实本身，压倒一切 |
+| `reasoning_tokens > 0` | OBSERVED | 上游明确上报了推理用量 |
+| `reasoning_tokens == 0` | ABSENT | 上报了且为零 = "未推理"的正面证据 |
+| 其余（`None`） | UNKNOWN | 无信号，不猜 |
+
+映射到实测：
+
+| 场景 | observation | 是否诚实 |
+|---|---|---|
+| M3 开启，流式 | OBSERVED | ✅ 有 185 字符正文 |
+| M3 开启，非流式 | UNKNOWN | ✅ 确实观测不到（正文与 ctd 双缺） |
+| M3 关闭 | UNKNOWN | ✅ 判不出，但 §5 的对账仍能抓住"该关没关" |
+| qwen 开启 | OBSERVED | ✅ 两个信号都在 |
+
+`ABSENT` 这一支在当前三家供应商上**实测永不触发**（未推理时都是整个容器缺失，无人报 `0`）。仍然保留：协议允许上报 `0`，而一旦有供应商这么做，它就是唯一能把"没推理"与"没上报"分开的信号——为一个已知会出现的未来留一个空槽，不是 YAGNI 违例。
+
+### 4.2 明确不做：不把"可观测性"写进能力表
+
+诱惑很大：给 `ThinkingCapability` 加一个 `reports_reasoning_usage: bool` 或 `observable_in_non_stream: bool`。**否决**。理由是本次故障的教训本身——静态声明会过期，而过期表现为静默错觉。可观测性每次响应都能直接看出来，把它冻进静态表等于再造一个 8-02 版本的定时炸弹。
+
+同理否决"看 `completion_tokens_details` 容器在不在"这一判据：实测三家在未推理时都是容器整体缺失，该信号与真实信号高度混淆，用它裁定等于把噪声当信号。
+
+## 5. 对账：声明 × 观测
+
+在 transport 拿到结果处做一次比较，矛盾即 warning：
+
+| 请求方向 | 观测 | 处置 |
+|---|---|---|
+| `enable_thinking=False` | OBSERVED | **warning**：能力表声称可关闭，实测推理了 → 附 model 与 evidence，指路 `register_capability` |
+| `enable_thinking=True` | ABSENT | **warning**：注入了开启参数，上游明确上报未推理 |
+| `None`（不干预） | 任意 | 不表态——调用方没提要求，无从谈"违背" |
+| 任意 | UNKNOWN | 不表态——不能证伪 |
+
+**不抛错**，三条理由：一次观测不足以否决一次成功的调用；P5 的降级方向铁律只对限流/熔断要求"报错而非放行"，可观测性属遥测方向，降级即 warning；矛盾结果已随 `LLMResponse` 与遥测落地，处置权归下游。
+
+**节流**：per transport 实例的 `set[(model, direction)]`，同一组合只喊一次，与既有 `_warned_models` 同款形态与同款理由（逐次调用刷屏会把告警变成噪声，噪声等于没有告警）。
+
+这一条是本设计的灵魂：它把"能力表过期"从**静默错觉**变成**日志里的显式告警**，成本是一次枚举比较。
+
+## 6. 落点清单
+
+| 文件 | 变更 |
+|---|---|
+| `thinking.py`（**新建**） | 承载推理这件事的全部决策，见 §7 |
+| `providers.py` | 收缩为纯注册表：`ProviderProfile`、`DEFAULT_PROFILES`、`get_provider`/`register_provider` |
+| `types.py` | `LLMResponse` 增 `thinking_observation: ThinkingObservation = UNKNOWN`（只增不删，迁移兼容）；`TransportResult` 同增（带默认值，与 `cached_prompt_tokens` 等既有先例同形态） |
+| `transports/openai_compat.py` | 组装 `TransportResult` 时调 `observe_thinking`；对账告警落此处（唯一同时握有请求方向与响应结果的地方） |
+| `middleware/retry.py` | 透传新字段 |
+| `middleware/telemetry.py` | `_AttemptUsage` 与三个 `emit_*` 各加一行 |
+| `telemetry/schema.py` | 新列 `thinking_observation TEXT`，两端 DDL + 两份 backfill + `COLUMNS`；INSERT 字段 24→25，物理列 25→26 |
+| `client.py` | import 路径改指 `thinking.py` |
+| `__init__.py` | 新增包根导出，见 §7 |
+| `tests/e2e/test_thinking_live.py` | 判据重建，见 §8 |
+
+`thinking_observation` **不进缓存 key**：它是结果不是请求。缓存回放的历史响应带回历史 observation，与 `reasoning_tokens`/`cached_prompt_tokens` 的既有回放口径一致。
+
+默认值取 `UNKNOWN` 使得任何不填该字段的路径（非 OpenAI 兼容 transport、失败尝试、终态失败行）天然诚实——**默认值本身不撒谎**，这是 P5 在字段设计上的落法。
+
+## 7. 模块边界：为什么新建 `thinking.py`
+
+现状 `providers.py` 装着两件事：provider 注册表（形态）与推理决策（`resolve_thinking` + 能力表）。加入响应侧裁定与对账后它会变成"推理这件事的一切"，一句话说不清职责（P3）。
+
+| 模块 | 职责 | 内容 |
+|---|---|---|
+| `providers.py` | **provider 是什么** | `ProviderProfile`、`DEFAULT_PROFILES`、`get_provider`、`register_provider` |
+| `thinking.py` | **推理这件事的全部决策** | `ThinkingCapability`、`DEFAULT_CAPABILITIES`、`get_capability`、`register_capability`、`resolve_thinking`（请求侧注入）、`ThinkingUnsupportedError`、`ThinkingObservation`、`observe_thinking`（响应侧裁定）、对账告警 |
+
+符合 P7"决策逻辑与状态存储分离"：注册表存声明，`thinking.py` 做决策。未来任何推理相关能力都有唯一归属，不必再挑"放哪个文件"。
+
+**同时把公共符号提升到包根导出**：`ThinkingCapability`、`ThinkingObservation`、`register_capability`、`get_capability`、`resolve_thinking`、`ThinkingUnsupportedError`。`__init__.py` 的 docstring 早已写明"顶层导出即公共 API 面"，而这些符号此前只能深路径 import——**给下游一个稳定引用点，才是模块重组不再破坏下游的前提**。这是本次一并消除的第四项债务。
+
+破坏面：`from polygateway.providers import ThinkingCapability / resolve_thinking / get_capability / DEFAULT_CAPABILITIES` 会断。这些符号不在包根 `__all__` 内，且三个参考项目尚未迁移接入（M4 未完成），实际下游为零。CHANGELOG 显式列出并给出改法。
+
+## 8. e2e 判据重建
+
+四条红用例的病根是判据盲区，不是被测行为。逐条重建：
+
+| 用例 | 旧判据 | 新判据 |
+|---|---|---|
+| L1 关闭 | 每轮 `reasoning_tokens in (None,0)` | 每轮**不是 OBSERVED**。证伪力不减反增：模型若偷偷推理，流式必带出正文 → OBSERVED → 红 |
+| L2 开启 | 多数轮 `reasoning_tokens>0`，退路 `completion>100` | 多数轮 **OBSERVED**；**删除 `_ON_MIN_COMPLETION` 魔数退路** |
+| L2b 锚点 | `prompt_tokens` 两档分开 | 不变——它一直是对的，也是本次开启方向唯一没红的证据 |
+| L3b 非法值反证 | 非法值多数轮推理 | 同 L2 判据；补注 provider 不可移植性（minimax 返 200 照常推理，qwen 返 400） |
+| L4 extra_body 覆盖 | 多数轮推理 | 同 L2 判据 |
+| L5 非流式 | 非流式重跑 L1/L2，要求开启档观测到推理 | **重新定义**，见下 |
+
+删掉 `_ON_MIN_COMPLETION` 是有意的。它是"`reasoning_tokens` 被中转吃掉时的退路"，而实测两档的 completion 分布重叠（关闭档最高 46、开启档最低 13），这个退路从一开始就不成立——它让判据看起来有兜底，实则在噪声里画了条线。有了 `thinking` 正文这个真信号，魔数退路失去存在理由。
+
+**L5 是本次改动里最重要的一条。** M3 非流式下推理正文与 ctd 双双缺失（实测），旧断言"非流式开启档应观测到推理"**永远不可能成立**——它断言的是一件事实上不发生的事。新断言改为两条：其一 `prompt_tokens` 锚点在非流式下仍然分开（证明参数确实到达了模型），其二 observation 为 `UNKNOWN` 而非 `ABSENT`（证明库如实标记"观测不到"而没有伪装成"没推理"）。
+
+**从"断言一件不成立的事"变成"断言库对这件事的诚实"**——这正是本设计要立的规矩。
+
+同时在 e2e 报告与 `DEFAULT_CAPABILITIES` 的 evidence 里登记：M3 非流式路径推理不可观测，下游用非流式开推理会**付费买看不见的推理**（completion 53 vs 关闭档 3）。库修不了上游，但必须让它可见。
+
+## 9. 被否决的路
+
+| 备选 | 否决原因 |
+|---|---|
+| 只把 e2e 判据从 `reasoning_tokens` 改成"看 `thinking` 非空" | 能让四条转绿，但 ① ③ 两层一个不动：下游拿到的仍是歧义的 `None`，能力表过期仍然静默。修的是测试不是库 |
+| 给 `ThinkingCapability` 加可观测性字段 | 静态声明必然过期，等于再造一个 8-02 版定时炸弹（§4.2） |
+| 用"`completion_tokens_details` 容器在不在"区分 ABSENT/UNKNOWN | 实测三家未推理时都是容器整体缺失，该信号与真实信号混淆（§4.2） |
+| transport 内维护"该源历史上是否上报过推理信号"的学习态 | 行为依赖历史 → 不可复现、难测试；与"纯 asyncio 中立、无隐式状态"相抵 |
+| 观测与声明矛盾时抛错 | 一次观测不足以否决一次成功调用；且与降级方向铁律的分工不符（§5） |
+| 顺手把遥测四处复制的参数列表收敛为单一 helper | 见 §12 |
+
+## 10. 非功能维度
+
+**并发与取消**：裁定是纯函数，无 I/O、无状态；对账节流集合是 per-transport-instance 的 set，无跨实例共享、无模块级单例。`CancelledError` 路径完全不变（新增代码不在任何 await 之间持有资源）。
+
+**降级方向**：可观测性属遥测方向 → 静默降级（warning），不报错、不阻断调用。遥测新列走既有 backfill；旧表缺列时既有的"缺列告警 + 降级写入"逻辑原样覆盖。
+
+**幂等与重复**：纯函数，重复调用同结果。遥测 INSERT 仍走 `ON CONFLICT DO NOTHING` / `INSERT OR IGNORE`。
+
+**持久化与原子性**：仅增一列，无写入路径变化。新列排在 `created_at` 之后（旧表只能 ALTER 追加到末尾，新建库若插在前面则两条路径的物理列序分叉——既有列序纪律，不可违）。PG 侧 `TEXT` 可空、无默认值，补列只改 catalog 不重写全表。
+
+**零业务假设**：新增词汇全部是模型调用领域术语（thinking/reasoning/observation），无业务领域词。
+
+## 11. 错误处理与测试策略
+
+新增裁定不产生新的失败模式，**不进四分类**。`ThinkingUnsupportedError`（装配期配置错误，`ValueError` 子类）的语义与抛出位置不变，只换模块归属。
+
+| 层 | 覆盖 |
+|---|---|
+| 单元 | `observe_thinking` 四条分支；对账三种组合（False×OBSERVED、True×ABSENT、UNKNOWN 不表态）；节流只喊一次；`LLMResponse`/`TransportResult` 默认值为 UNKNOWN；schema 列数与列序断言（既有测试自动抓） |
+| 集成 | SQLite/PG 新列 backfill 与回读（既有测试模式） |
+| e2e | §8 判据重建，合并前 `pytest -m slow` 真跑并存档报告 |
+
+**先失败后通过的证据**：`observe_thinking` 与对账的单测在字段落地前必然红；e2e 的 L2/L4 在判据改完、字段落地后应从当前 main 的 FAIL 转绿（库本来就拿到了 `thinking`，只是没人看）。L5 的新断言在旧代码上无法表达（`thinking_observation` 不存在），是纯新增覆盖。
+
+## 12. 明确不做
+
+**不收敛遥测的四处参数列表复制。** CLAUDE.md 铁律点名"遥测调用点收敛为单一 helper，禁止复制参数列表"，而 `middleware/telemetry.py` 现在正是 `_AttemptUsage` + 三个 `emit_*` 各持一份，本次加字段会让它变成四处各加一行。这是**既有债务，不是本次引入**；反 gold-plating 明文禁止任务外重构，且 1.3.0 刚动过遥测路径，同版再改组装逻辑是叠加风险。**另立 issue 单独处理**。
+
+**不改 M3 的 `can_disable`**：2026-08-25 复测 `reasoning_effort=none` → prompt 194（= 基线）、completion 3、无正文，声明依然成立。只刷新 evidence 日期并补记两条新限制（非流式不可观测、仅 `reasoning_effort` 有效）。
+
+**不追 MiniMax 为何停报 ctd**：那是上游的事，库无从干预，也不该把自己的正确性押在它身上——本设计的全部要点正是让库在它停报时依然说得清话。
+
+## 13. 版本号
+
+本次含：`LLMResponse` 新增公共字段、新增模块 `thinking.py`、新增包根导出、遥测新增一列、`providers.py` 深路径 import 断裂。按语义化版本这是 **minor**。1.3.0 仅新增一个 `TelemetryStatus` 导出即定为 minor，本次变更面更大。
+
+**建议发 1.4.0 而非 1.3.1**：把"深路径 import 断裂"藏在 patch 版号里，本身就是一笔留给下游的技术债——下游看 1.3.0→1.3.1 不会去读 CHANGELOG。版号是给人读的第一份变更说明。
+
+## 14. 验收标准
+
+- `observe_thinking` 四条分支与对账三种组合有单测，节流经测试确认只喊一次
+- `LLMResponse.thinking_observation` 在 M3 开启流式档实测为 `OBSERVED`、非流式档为 `UNKNOWN`、qwen 开启档为 `OBSERVED`
+- 遥测 SQLite/PG 两端新列均可写可读，旧表 backfill 通过，列序断言绿
+- `tests/e2e/test_thinking_live.py` 全类绿（`pytest -m slow` 真跑，报告存档 `tests/outputs/e2e/`）
+- `make lint`（含 import-linter 契约）与全套件绿
+- CHANGELOG 显式列出深路径 import 断裂与改法、M3 非流式付费不可见推理这一事实
diff --git a/research-wiki/findings/2026-08-25-thinking-observability-regression.md b/research-wiki/findings/2026-08-25-thinking-observability-regression.md
new file mode 100644
index 0000000..82bdfb8
--- /dev/null
+++ b/research-wiki/findings/2026-08-25-thinking-observability-regression.md
@@ -0,0 +1,94 @@
+---
+type: finding
+node_id: finding:2026-08-25-thinking-observability-regression
+title: "issue #16/#17 实测: M3 推理正常,失效的是推理的可观测信号"
+date: 2026-08-25
+---
+
+# issue #16/#17 实测：M3 推理正常，失效的是推理的**可观测信号**
+
+> 类型：finding｜日期：2026-08-25｜网关 `newapi.iomgaa.online`
+> 本文推翻 issue #16/#17 的原始诊断（"模型不再推理"），是 `designs/2026-08-25-thinking-observability-design.md` 的事实基础。
+
+## 1. 为什么要重测
+
+issue #16/#17 判定 MiniMax-M3 的开启推理"静默失效：模型没有推理"，依据是 `tests/e2e/test_thinking_live.py` 的 L2/L3b/L4/L5 四条全红，四条的共同判据是 `reasoning_tokens > 0`。issue 自己留了一个未区分的岔路：网关侧模型行为变了，还是库的注入失效了。区分方法写得很清楚——抓一次真实请求体与原始响应。本文就是那次抓取。
+
+## 2. 方法
+
+两层探针，都不走 slow 套件：
+
+其一**绕开库**，用裸 `httpx` 直接 POST `/chat/completions`，矩阵化七种参数形态 × 流式/非流式，记录完整 `usage` 与 `message` 的键集合。绕开库是必要的——要证的命题之一正是"库有没有把参数弄丢"，用库测这一条是循环论证。
+
+其二**用库本身**跑 `GatewayClient.chat`，记录 `LLMResponse` 的 `reasoning_tokens` 与 `thinking` 两个字段。两层对照才能定位缺口落在哪一层。
+
+对照组取 `qwen3.7-plus` 与 `deepseek-v4-pro`——同一网关、同一 key，用来区分"MiniMax 这一路变了"与"网关全局变了"。
+
+## 3. 原始观测
+
+### 3.1 MiniMax-M3，裸 httpx，非流式
+
+| 变体 | prompt | completion | `completion_tokens_details` | `reasoning_content` |
+|---|---|---|---|---|
+| 不注入（基线） | 194 | 3 | **整个容器缺失** | 无 |
+| `reasoning_effort=medium` | **216** | **48** | 整个容器缺失 | 无 |
+| `reasoning_effort=high` | **216** | **65** | 整个容器缺失 | 无 |
+| `reasoning_effort=none` | 194 | 3 | 整个容器缺失 | 无 |
+| `thinking={"type":"enabled"}` | 194 | 3 | 整个容器缺失 | 无 |
+| `enable_thinking=true` | 194 | 3 | 整个容器缺失 | 无 |
+| 非法值 `definitely-not-a-real-level` | 207 | 87 | 整个容器缺失 | 无 |
+
+### 3.2 MiniMax-M3，裸 httpx，流式
+
+| 变体 | delta 的键集合 | `reasoning_content` 累计 | usage |
+|---|---|---|---|
+| 不注入 | `content`,`role` | 0 字符 | prompt 194 / completion 3，无 ctd |
+| `reasoning_effort=medium` | `content`,**`reasoning_content`**,`role` | **124 字符，完整推理过程** | prompt 216 / completion 60，无 ctd |
+| `reasoning_effort=none` | `content`,`role` | 0 字符 | prompt 194 / completion 3，无 ctd |
+
+流式 medium 档抓到的推理正文（前 120 字符）：`We need answer Chinese, only two digits. Chickens x rabbits y. x+y=35,2x+4y=94 => x+y*? 2*35+2y=94 y=12, x=23. Output 23`
+
+### 3.3 对照组（流式）
+
+| 模型 | 变体 | `reasoning_content` | `completion_tokens_details.reasoning_tokens` |
+|---|---|---|---|
+| deepseek-v4-pro | 不注入 | 135 字符 | **88** |
+| deepseek-v4-pro | `effort=medium` | 134 字符 | **89** |
+| deepseek-v4-pro | `effort=none` | 0 | 容器缺失 |
+| qwen3.7-plus | 不注入 | 350 字符 | **158** |
+| qwen3.7-plus | `effort=medium` | 606 字符 | **229** |
+| qwen3.7-plus | `effort=none` | 0 | 容器缺失 |
+| qwen3.7-plus | 非法值 | — | **HTTP 400** |
+
+### 3.4 用库跑（`LLMResponse` 字段）
+
+| 场景 | `reasoning_tokens` | `thinking` 字符数 | completion |
+|---|---|---|---|
+| M3 开启，流式 | None | **185** | 69 |
+| M3 开启，非流式 | None | **0** | 53 |
+| M3 关闭，流式/非流式 | None | 0 | 3 |
+| M3 不干预 | None | 0 | 3 |
+| qwen 开启，流式 | **205** | 484 | 213 |
+| qwen 关闭，流式 | None | 0 | 5 |
+
+## 4. 五条结论
+
+**① M3 的推理完全正常，issue 的诊断是错的。** 流式 medium 档抓到 124 字符完整推理过程；`prompt_tokens` 194→216（供应商注入推理指令）、`completion_tokens` 3→60（推理段被计费）。三个独立信号一致。
+
+**② 真正变的是 MiniMax 这一路不再返回 `usage.completion_tokens_details`。** 而 qwen 与 deepseek 在同一网关同一 key 上照常返回。所以这不是网关全局改了 usage 处理，是 MiniMax 这一路上游的 usage 形态变了。`reasoning_tokens` 恒 NULL 由此而来。
+
+**③ 库自己已经握有决定性证据，却没有用。** `LLMResponse.thinking` 在 M3 开启档流式路径下是 185 字符的实打实推理正文。e2e 的 `_reasoning_on` 只看 `reasoning_tokens` 与 `completion_tokens` 长度，从不看 `thinking`——四条红是判据的盲区，不是功能的失效。
+
+**④ M3 非流式路径下推理内容整体丢失，且下游在付费。** `completion_tokens` 53 vs 关闭档 3，说明推理段确实产生并计费；而 `message` 的键集合只有 `content`/`role`，`reasoning_content` 不存在。下游用非流式调 M3 开推理 = 付钱买看不见的东西，且当前库不告诉它。这不是库能修的（上游不返回），但库必须让它可见。
+
+**⑤ 三家供应商在"未推理"时都是整个 `completion_tokens_details` 缺失，无人上报 `0`。** 与 2026-08-02 findings §4c 的记录一致。推论：**"容器在不在"不能当作"有没有推理"的判据**——它与真实信号高度混淆，拿它做裁定等于把噪声当信号。
+
+## 5. 顺带纠正的两处既有认识
+
+**`enable_thinking` / `thinking:{type:enabled}` 对 M3 无效这一条仍然成立**（prompt 恒 194 = 基线），只有 `reasoning_effort` 是真开关。`providers.py` 的 minimax profile 用的正是 `reasoning_effort`，选型至今正确。
+
+**L3b 的"非法值反证"手法只对不校验值的 provider 成立。** minimax 对非法 `reasoning_effort` 返回 200 且照常推理（prompt 207，介于基线 194 与 medium 216 之间，说明走了第三条模板路径）；qwen 对同样的非法值直接 **HTTP 400**。这条手法写进测试时只在 minimax 上验过，它不可移植——若哪天把 L3b 套到别的 provider 上会得到假红。
+
+## 6. `can_disable` 复测
+
+M3 的 `ThinkingCapability(can_disable=True)` 的 evidence 停在 2026-08-02。2026-08-25 复测：`reasoning_effort=none` → prompt 194（= 基线）、completion 3、无 `reasoning_content`。**声明依然成立**，只需刷新 evidence 日期并补记本文新发现的两条限制（非流式不可观测、仅 `reasoning_effort` 有效）。