Sol High 明确没被路由到 Luna，为什么还是连续过不了糖果题？

我这边最近在排查 Codex / CPA 的模型路由问题，之前已经抓到过不少 gpt-6-astra -> gpt-5.6-luna 的情况，所以这次专门拿 Sol High 做了对照。

我现在不是只看 CPA / Keeper 里的请求模型，而是额外解析上游原始 Responses SSE，读取终止事件里的 response.completed.response.model。

这次两笔测试的结果是：

• 请求：gpt-5.6-sol
• reasoning：high
• 最终上游 response.completed.response.model：gpt-5.6-sol
• 两次都没有变成 Luna
• 两次请求都正常成功完成

具体两笔：

1. input 约 24,615 tokens，reasoning 约 1,015 tokens
2. input 约 19,076 tokens，reasoning 约 856 tokens

上下文已经比之前 20 万 token 那种情况干净很多，但固定的糖果题两次还是都没过。这个题正确答案是 21。

所以现在有点疑惑：

请求 Sol High -> CPA 发 Sol -> 上游最终 response.model 仍是 Sol -> 但糖果题连续失败

这和之前 Astra 直接被路由到 Luna 不一样，这次模型字段看起来完全正常。

想问问大家最近有没有测过 Sol High：

• 正常状态下 Sol High 现在糖果题通过率大概怎么样？
• 有没有出现终态明确是 Sol，但能力明显比之前差的情况？
• response.completed.response.model 只能证明模型名，是否可能还有服务端的其他质量档位 / 推理策略 / fallback 不会体现在 model 字段里？
• 还是说这个糖果题现在本身就不适合当单次判断依据，Sol High 连错两次也可能只是正常波动？
• 19k～25k input tokens 对这种测试来说算不算仍然太脏？

我知道糖果题本身已经传播很广，所以 “做对” 未必能证明模型没降级；但现在反过来是 Sol High 连续两次做错，而且终态 model 又明确匹配，感觉挺奇怪的。

有近期同样环境的朋友可以帮忙报一下：模型、reasoning 档位、连续测几次、通过几次。最好如果能看到原始 SSE，也一起确认一下终态 response.model。