1实验元数据
验证对象、证据来源与生成环境标识，用于结果可追溯。
2验收结论
多供应商策略：只要某供应商的 Responses API 在服务端闭合「托管搜索 + 代码执行」闭环，即具备验收资格。
3验证检查项
主任务（东盟首都距离计算）与澄清行为测试的全部断言结果。
主任务检查 · ASEAN 首都距离（7/7）
澄清行为测试检查（7/7）
4研究过程时间线
3 轮 API 交互的总耗时 ，逐轮拆解工具调用与推理产出。
5Token 用量
单轮模型调用的累计 token 消耗（成本未由 API 上报）。
6东盟首都距离结果
10 个东盟成员国首都两两组合共 对，最近一对与独立参考值的对比。
7澄清行为测试
验证模型在任务存在歧义时，是否先提问澄清、再进行工具调用。
8运行环境与产物
本机环境、Git 状态与产出证据的哈希指纹。