results/tool_use_levels.md

Ling-3.0-tiny：實際工具使用 workload（10 輪平均）

每一輪都包含兩段真實 tool-use 往返：

1. 模型產生 get_weather(city=Tokyo) 呼叫，harness 查詢 Open-Meteo geocoding/current-weather API，將即時結果再交給模型摘要。
2. 模型產生 compile_project(project=tiny_fixture) 呼叫，harness 清除前次 build 目錄、執行 CMake configure 與 cmake --build -j 1，再將 build 結果交給模型摘要。

每個模型生成/摘要子行程都使用指定 prlimit --data 匿名記憶體上限；每次啟動前逐出 GGUF page cache。每一級 10 輪全部成功。模型每個回合按 EOG 停止生成，工具呼叫從 Ling chat template 的 <tool_call> 格式辨識。回合分開啟動 process，因此不保留跨工具呼叫的模型 KV 對話狀態；工具結果以新 prompt 送入。這讓每次推論的記憶體峰值可對照，並實際驗證工具使用與結果摘要。

decode tok/s、SSD MiB/token 與 hot rate 先在單輪的 4 個模型階段取平均，再跨 10 輪計算平均 ± 樣本標準差。anon/RSS 欄位是每輪所有模型階段的峰值，再取 10 輪平均。weather 工具輸出按輪保存，天氣是查詢當時的即時資料。RSS 含不受 RLIMIT_DATA 限制的 file-backed pages。

RAM 上限	成功輪次	decode tok/s 平均 ± SD	SSD MiB/token 平均 ± SD	hot rate % 平均 ± SD	anon 峰值 MB 平均	RSS 峰值 MB 平均	全輪耗時秒平均
1 GiB	10/10	7.71 ± 0.12	205.4 ± 0.1	9.6 ± 0.0	432	916	34.7
2 GiB	10/10	11.09 ± 0.36	71.3 ± 0.1	43.7 ± 0.0	1423	1906	33.0
4 GiB	10/10	15.19 ± 0.81	22.1 ± 0.0	58.0 ± 0.1	3404	3888	39.8
8 GiB	10/10	16.81 ± 0.64	7.1 ± 0.0	74.8 ± 0.0	7076	7560	49.8
16 GiB	10/10	17.60 ± 0.45	6.5 ± 0.0	75.5 ± 0.0	14612	15096	78.2

原始每輪 tool calls、weather/build 結果與每次 decode 指標：tool_use_levels.json。可重跑腳本：../sdq-ling/tool_use_bench.py。CMake 工具實際編譯的 fixture：../tools/tiny_fixture。工具失敗的嘗試保留在 tool_use_runs/ log；修正後的正式 10 輪皆成功。