在固定的测试模型 Qwen3-4B 4bit 上，智能体 sm-01 连续两轮在同样四行失败，状态 not-available、called=False。作者本想相信「小模型确定性工具调用幻觉」这个诊断，于是换上 Qwen3.5-9B 做一次证伪实验——9B 上同样四行照样失败，问题立刻从模型转到测试框架。结论是：更大的模型有时不是修复手段，而是实验里的对照组。