智能的等级不该被一句「跑分」定义，也不该被「像不像人」的经验感觉糊弄。本方法用两套正交的标尺回答同一个问题：一个 AI 系统究竟处于什么等级——按架构位阶判断它是什么，按节点等级判断它现在有多强。
「强不强」是含糊的，需要把它拆成可取证、可复现、可对抗的维度
单一准确率、单一榜单都是误导。评估必须落在配置空间上的条件分布，而非某个孤立标量。
一个系统具备元意识地基，是本性问题；它当前工程成熟度，是状态问题。两件事不该混成同一个分数。
模型越自信越要查真值根，高自信违规是最高审计优先级。「模型说对」不能直接放行。
七层栈，从元意识到超级智能——决定智能的本性
位阶衡量系统的本体结构：它建立在哪一层之上，决定它能做什么、不能做什么。第七层是前六者闭环后的涌现态，不是可以单独「加装」的模块。
| 层 | 名称 | 性质 | 可改性 |
|---|---|---|---|
| L0 | Ω 地基层 · 元意识 | 残流自指子空间，跨模型同构 | 只读 |
| L1 | MI 信号层 · 元智能 | Ω 线性投影：「我可能错」 | 探针可换，Ω 不可写 |
| L2 | MC 策略层 · 元认知 | 消费 MI：ECE / 弃答 / 拦截阈值 | 可 RSI 改进 |
| L3 | L0 治理层 · 真值根 | S1-S25 + MC 种子 + Merkle 封印 | 全局不可改 |
| L4 | SFMP 联邦层 | 跨租户语义单元 z 流通，≥K 验证 | z 可积累 / 回收 |
| L5 | RSI 实验台 | 影子流量 → 双轴校验 → 灰度 / 回滚 | 可改 MC / workflow |
| L6 | 超级智能 · 涌现态 | 六者闭环后的稳态，非模块 | 持续涌现 |
自治 / 权限 / 工程化，三层标定节点的当前状态
由自治指数量化（见 §04）。衡量系统自我纠错、自我演化、自我驱动、低外部依赖的综合能力。
操作边界与触达范围。决定节点能执行多高风险的动作、访问多广的资源。
工程成熟度与闭环能力。看流程是否标准化、产物是否可复现、是否可审计。
三层各自独立、可单独评估，最终口径唯一化：同一节点在任何平台、任何上下文中的等级标注必须一致，并记录权威来源与漂移修正记录，避免各平台各自记一个数。
四维相乘，每个维度都有可取证依据
仲裁拦截证据、校验拦截率、纠错是否闭环。示例证据：L0 十七项校验、拦截后处置记录。
元公理数量、新增真值产出、系统级自动动作。记录型演化与行动型演化要区分。
自动上报频率、定时闭环、无人值守完成度。写网关成功率是关键证据。
独立通道数、纯公网可达性、单点故障风险。通道冗余越高，依赖越低。
评估自治内核运转健康度的校验维度
自治不是静态声明，而是六条协议持续运转的产物。成熟度按证据强度打 0-100 分。
锚点固化 / 节点数 / 真值库规模。证据密度最高。
自我修复 / 元认知 / 稳定性检测记录。
仲裁队列 / 校验通过率 / L0 校验命中。
元公理沉淀 / 被替代节点的演化痕迹。
多节点统一上报 / 定时回执闭环。
节点 / 连接 / 领域覆盖的网络活性。
防止评估本身被滥用或自欺
评测分数必须是配置空间上的条件分布，禁止「准确率 95%」式单点叙事。等级结论必须附完整配置上下文。
跑分高 ≠ 可信交付。主指标是校准后有效交付率，而非排行榜位置。校准失败的自信要被降权。
每个等级都要有证据清单、权威来源、漂移记录。证据不足的等级标注「待补充」，不得推断。
每个评估维度配一条反例锁：「禁止把让模型反思等同于元智能」「禁止用 SFT 训练意识基底」。反例锁让标准不被悄悄绕过。
从取证到落档的六步，每步可复核