预测公式是如何计算的

1. 间隔（Gaps）。 取最近（最多 8 个）非部分、非 Banked 的全局重置日之间的小时间隔。Banked Reset 完全不计入这个列表：它是发放到账户上、由用户自行选择时机兑现的，不是 Anthropic 同一时间为所有人清零的动作，因此不能反映全局重置的节奏。没有精确公告时间的日子按 12:00 UTC 计算。avg_gap_h 为这些间隔的平均值。少于 3 个间隔 → 无法预测。
2. 基线（Baseline） B = clamp(24 / avg_gap_h, 0.06, 0.55)——按典型间隔计算，24 小时相当于"一个重置日"的多大比例。
3. 节奏项——两种模型，由回测结果自动选择。 本站会测试两种把基线转化为当日概率的方式，并使用其中回测表现更好的一种（见下文），而不是固定使用某一种：
   • cooldown（冷却期模型） ——C = clamp(hours_since_last / (avg_gap_h × 0.55), 0.18, 1.75)，cad24 = clamp(B × C, 0, 1)。重置刚发生后概率较低，随时间推移逐渐上升——假设等待越久，重置越可能发生。
   • memoryless（无记忆模型） ——cad24 = 1 − e−24/avg_gap_h，即平均间隔为 avg_gap_h 的泊松过程在未来 24 小时内至少发生一次的概率。完全没有冷却项：无论距上次重置过去多久，每天的概率都相同（这里特意不直接用 B——它是一条不同的曲线，而不只是未乘系数的基线）。
   当前选用： memoryless ——因为它在回测中的 Brier 分数比另一种更低（更好，见下方"历史表现"）而被自动选中；若打平则选用 memoryless。这不是风格上的取舍：我们自己对 Claude 重置历史的前推式回测，加上一个竞品已发布的回测和一个第三方基准，都发现 cooldown 乘子并不能稳定跑赢无记忆模型——所以公式现在每次构建时都会重新检查，而不是默认 cooldown 更好。
4. 信号（Signals） （每项取值 0～1，按 24 小时半衰期衰减，超过 7 天则直接丢弃）：
   • 官方（official） （权重 0.55）——取分值最高的候选帖子：明确否定（"不会重置"/"won't reset"）= 0；未来时态且带具体时间词（星期几、"今天"、具体时刻）= 1.0；仅未来时态 = 0.6；其余 = 0。
   • 状态（status） （权重 0.25）——相关的近期/未解决事件影响权重之和（轻微 0.35，严重 0.7，重大 1.0），每项按自身发生时间衰减，总和上限为 1。从未被回测过（下方"历史表现"只回测节奏项）——仅作为手工设定的经验规则，未经过历史检验。
   • Issues 信号 （权重为 0，仅供参考——不参与预测）——GitHub issue 激增程度：clamp((recent_24h / max(baseline_per_day, 0.5) − 1) / 3, 0, 1)，不做时间衰减。仍会展示在状态和首页信号栏中，但不再计入 S——详见下方说明。
   S = 0.55·official + 0.25·status（issues 权重为 0，且剩下两个权重不会重新归一化到 1——0.55+0.25=0.80 是刻意保留的）。
5. 合并计算。 p24 = clamp(1 − (1−cad24)(1−S), 0.01, 0.95)。这是概率组合，不是简单相乘放大：当 cad24 接近 0 时（比如刚重置完），如果用相乘的形式（B×C×(1+S)），再强的实时信号也几乎推不动这个数字。用近似独立概率的方式组合，能让一个真实信号无论节奏项处于什么位置，都仍然有意义。
6. 48 小时预测。 p24′ = 在 24 小时后用同一公式再算一次（冷却期进一步推进，信号进一步衰减）。p48 = clamp(1 − (1−p24)(1−p24′), p24, 0.95)——永远不会小于 p24。

在 2026-09-23 之前，GitHub issue 激增信号占综合信号 S 的 20%。现在不再是了——权重已改为 0，并且没有重新归一化补回去。我们用比 Claude 自身样本大得多的数据集，对 issues 信号做了一次前推式回测：openai/codex 385 天的历史、46 次全局重置。以下是我们自己的结论：

• 乍看之下，重置前投诉量确实显得更高——但这其实是两个互不相关的趋势恰好同时上升（issue 数量本身逐年增长约 6 倍，重置也恰好在近期更密集）。把重置日期在同一个月内打乱后，这个"效应"就消失了（p=0.40）。
• 严格按时间顺序做样本外评分：加入 issues 信号并没有提升 24 小时预测，反而让 48 小时预测明显 变差 （Brier 分数 +0.0038，95% 置信区间 [+0.0010, +0.0072]——整个置信区间都落在"变差"一侧）。
• Claude 自己的历史（12 个全局重置日）样本太小，单独看不出任何结论——这不是"Claude 情况不一样"，而是"数据不够，无法判断"。

等 Claude 积累到 30 次以上、带精确时间戳的全局重置后，我们会重新评估：对 Claude 自己的数据重跑同样的回测，只有当 Brier 分数和 log-loss 的改善都明确优于 0（置信区间完全落在"更好"一侧），并且随机噪声安慰剂测试也通过（p<0.05）时，才会把 issues 信号加回来。在那之前，它仅作追踪展示，不参与任何计算。

状态信号（未解决事件）同样从未被回测过——它被保留为手工设定的经验规则，不是因为证明了有效，而是因为还没有证据证明它无效。

• 平均间隔14.0 天
• 距上次重置的小时数446.0
• 当前使用的节奏模型memoryless
• 基线 B0.0712
• 冷却期 C不适用（当前为无记忆模型）
• 节奏项 cad240.0687
• 官方信号0.0
• 状态信号0.2683
• Issues 信号0.0528
• 综合信号 S0.0671
• p2413%
• p4822%

当前置信度为 低 。没有"高"这一档。 中等置信度要求同时满足：至少有 10 个非部分、非 Banked（即全局）历史间隔；当前选用的节奏模型（memoryless）在回测中优于 climatology 基线；预测实际使用的两个信号源——官方和状态——都在过去 6 小时内成功获取。（issues 信号已被追踪但不再参与预测，因此它获取失败不影响此判断。）否则为低。

• 当前选用的节奏模型（memoryless）在回测中尚未优于 climatology 基线

历史表现（仅节奏项）

对 95 个历史 UTC 日做前推式回测：每一天都只用该日之前已知的重置日，计算出四种候选预测，再用Brier 分数（越低越好）来评分实际是否发生了重置。只有 cooldown 和 memoryless 会用于实际预测——两者中分数更低的那个会被用于上方的实时预测，打平则选用 memoryless。naive 和 climatology 仅作参考基线，本站从不会用它们做实际预测；按定义它们本质上是同一个"至今已观测天数中重置天数所占比例"，naive 沿用了原始规格的命名以保持连贯，climatology 则是置信度判断所对照的基线。

• cooldown0.0722
• memoryless （已选用）0.0691
• naive 基线0.0691
• climatology 基线0.0691

当前选用的节奏模型目前尚未优于 climatology 基线。 这项对比是我们自己对 Claude 重置历史做的回测，不是第三方数据。只有节奏项被回测过——实时信号（官方/状态/issues）没有历史记录可供回测，因此从未被回测，只在上文做了说明。

• 中位数间隔10 天
• 平均间隔14.1 天
• 最短间隔3 天
• 最长间隔47 天

数据质量说明：已记录的 11 个全局重置日中，有 9 个来自 claude-resets.com 公开归档（没有原始帖子、没有精确时间——按当天 12:00 UTC 计算，见关于）。目前没有记录到重置的最长时段为 47 天，2026-07-16 → 2026-09-01——这可能是记录本身存在空缺，而非真的平静期，会推高上方的 avg_gap_h，进而推高整个节奏项。

• 样本量小。 Claude 目前记录到的重置次数还不多——多一个数据点，这里的每项统计都可能大幅波动。
• 重置是自主决定的。 Anthropic 是临时公告的，通常和某次发布或某次故障相关——并不存在一个公式真正能够估计的底层时间表。
• 权重是手工设定的，而非拟合出来的。 0.55（官方）和 0.25（状态）这两个信号权重，以及上面每一个夹紧（clamp）范围，都是选定的经验值，不是对数据拟合模型得出的结果。
• 信号部分从未回测。 只有节奏项经过了历史检验（见上文）——实时信号部分的贡献从未用历史数据验证过。