框架: max_tokens默认32000→12000(New-API按max_tokens预扣费,余额见底大请求403实测;输出实测最大6060,预扣降2/3)

.claude/skills/llm/scripts/llm.py

@@ -28,13 +28,16 @@ class SensitiveError(Exception):
     立即抛给上层走模型降级链（创始人 2026-07-14：M3→MiniMax-M2.7→deepseek-v4-flash）。"""
 
 
-def chat(prompt, model=DEFAULT_MODEL, max_tokens=32000, temperature=0.2,
+def chat(prompt, model=DEFAULT_MODEL, max_tokens=12000, temperature=0.2,
          retries=2, timeout=900, system=None, top_p=None):
     """单轮对话，返回 (content, usage)。网络错/5xx/429 指数退避重试。
 
     content 已剥离 <think>…</think>（推理模型可能把思考混进正文）。
     system：身份段与任务材料分离（角色遵从更稳、身份段利于上游缓存）。
     top_p：随 temperature 分化实验用（M 家族官方推荐 1.0/0.95，eval A/B 后定版）。
+    max_tokens 默认 12000（2026-07-15 降自 32000）：New-API 按 max_tokens **预扣费**，
+    余额低于预扣线时大请求 403（实测预扣 $0.00975/32k）；全管线实测输出最大 6060、
+    中位 331，12000 留一倍余量且预扣降 2/3——同样余额多跑 2.5 倍请求。
     """
     s = requests.Session()
     s.trust_env = False  # 本机代理 env 会劫持内网直连