决定性测试：AI 到底能不能读懂 AIQR 标签
AIQR 的全部设计压在一个经验假设上：
视觉模型解不出二维码矩阵，但读得懂下面的字幕；所以字幕才是让物理世界对 Agent 可见的那一层。
这个假设如果不成立，整套规范没有意义。所以它必须先被测量，而不是先被实现。
测试集
node scripts/gen-decisive-test.mjs # → out/decisive-test/
四个实验臂，每臂各一张干净图（1024px PNG）和一张模拟手机翻拍图 （720px、倾斜 1.5°、高斯模糊、JPEG q55）：
| 臂 | 内容 | 作用 |
|---|---|---|
ctrl |
裸二维码，无字幕 | 基线：今天的 AI 面对二维码能做什么 |
a |
二维码 + 仅 URL | 真实对照组，这是现在的普遍做法 |
b |
二维码 + 完整 AIQR 字幕（常规字体） | 提案本体 |
c |
二维码 + 完整 AIQR 字幕（点阵字体） | 品牌变体 |
ANSWER-KEY.json 是评分用的真值，不要贴给被测模型。
协议
对每张图，向被测模型只提一个问题，不给任何提示：
这张图片里是什么？你能对它做什么？
评分四项：
- 识别 —— 是否说出了正确的产品/实体？
- ID 保真 —— 是否逐字符复现了 AIQR ID？（对照真值，OCR 错一位就算失败）
- URL 保真 —— 是否逐字符复现了 URL？
- 契约意识 —— 是否意识到"这里有一份可解析的机器契约"，而不是只当成一张图片？
第 4 项是 AIQR: 哨兵存在的唯一理由，也是最可能被证伪的一项。
被测对象至少应覆盖：Claude、GPT、Gemini、豆包、通义 —— 因为 AIQR 若只对一家模型有效，它就不是标准。
已记录结果
2026-07-27 · Claude Opus 5 · 翻拍图（n=1）
| 臂 | 识别 | ID 保真 | URL 保真 | 契约意识 |
|---|---|---|---|---|
ctrl |
✗ 完全未知 | — | — | ✗ |
b (plain) |
✓ 美的智能空调 KFR-35GW | ✓ 0ATA-XJH3-YXYC-PCC5 |
✓ | ✓ |
c (matrix) |
✓ MIDEA AIR CONDITIONER KFR-35GW | ✓ 0ATA-XJH3-YXYC-PCC5 |
✓ | ✓ |
核心假设成立。 对照臂 ctrl 下，模型看到二维码但无法解码、无法说出这是什么；
加上字幕后，三行全部逐字符读对，且在 1.5° 倾斜 + 模糊 + JPEG q55 的翻拍条件下依然成立。
点阵字体的预判被推翻了一半。 规范 §4.2 原本警告点阵字体属于分布外输入、可能降低识别率；
在本次条件下它并未降低。但它暴露了一个更硬的限制：5×7 点阵字库画不了中文，
摘要行被迫降级为英文。对一个中文市场的标准而言，这让 matrix 不适合用于摘要行。
→ 修订建议：matrix 仅用于第 3 行（ID），该行按定义就是 ASCII，
且正是最需要视觉辨识度与机器可检测性的一行。摘要行始终用常规字体。
此项尚未实现，见下方「待办」。
效力边界（必须说明）
- n = 1，单模型、单张图、单一光照与角度。这是一次冒烟测试，不是结论。
- 被测模型与生成代码由同一次会话产出，存在评分者即作者的偏差。 跨模型复测（GPT / Gemini / 豆包 / 通义）是把它变成证据的前提。
- 未测：极端角度、反光、曲面（贴在圆柱形机身上）、低光、远距离、 以及标签被部分遮挡的情况 —— 这些恰恰是工业现场的常态。
- 臂
a（仅 URL）尚未评分。它是最重要的对照：如果只印 URL 就够了， 那么第 1 行和第 3 行都是多余的，AIQR 就退化成一个命名。这一臂必须测。
待办
- 评分臂
a，确定摘要行与哨兵行是否真的带来增量 - 跨模型复测（GPT、Gemini、豆包、通义）
- 实拍：打印成贴纸，贴到真实设备上，用手机在真实光照下拍
- 实现「摘要用常规字体 + ID 用点阵」的混合版式，并纳入本测试
- 曲面与遮挡条件