游戏端侧推理模型、Tokenizer 与设备档位必须绑定端侧部署从设备能力和交互节奏出发。模型格式、量化方式、线程数和内存上限要绑定到设备档位不能散落在启动参数里。切模型时先核对配套文件把分词、推理、结果解析和 UI 回调分层切换模型时先检查 tokenizer、特殊 token 和输出 schema 是否匹配。资源紧张时优先缩短上下文、降低并发或切换小模型。端侧模型不是一个孤立文件。模型、tokenizer、特殊 token、输出 schema 和设备档位应作为同一套资源发布任一项不匹配都在创建推理会话前拒绝而不是等解析结果异常后再猜原因。设备端的三个控制点启动时按设备档位选择完整资源组合检查模型格式和 tokenizer 标识一致。每次推理带请求序号切后台、取消或发起新请求后旧回调不再更新 UI。内存不足或加载失败时按配置缩短上下文、降低并发或切小模型并给界面明确状态。资源匹配、推理执行和 UI 回调分开记录后设备问题可以定位到装包、运行时或交互层。没有目标设备结果时只描述验证方法不外推性能。验证清单在目标系统版本与最低配置设备上分别跑冷启动、连续请求、切后台再恢复记录加载失败、取消请求和内存不足时界面是否仍能给出可理解的结果。校验安装包中的模型、tokenizer、输出 schema 和设备档位配置来自同一资源版本。切后台与取消后观察旧推理是否停止迟到结果是否被请求序号丢弃。在最低支持设备上保存加载失败与降级记录新增档位时重跑冷启动和连续请求。设备端验收在目标设备上覆盖冷启动、连续对话、切后台和低内存场景同时记录帧时间、峰值内存和温度。没有设备记录时不给出性能结论。
