docs(benchmark): добавлено сравнение W0 и Sortformer

- Зачем:
  - формальный stop W0 не отвечал на практический вопрос о скорости и качестве кандидата.
- Что:
  - добавлены результаты одной диагностической пары на трех фрагментах.
  - сопоставлены скорость, число кластеров, purity, слова без говорящего и память.
  - границы вывода отделены от формального расписания эксперимента.
- Проверка:
  - сравнительные агрегаты сверены с закрытыми результатами обеих моделей.
  - git diff --check.

docs/benchmarks/2026-09-04-streaming-sortformer-ryzen.md

@@ -1,73 +1,75 @@
-# Streaming Sortformer: формальный `stop` на Ryzen
+# Streaming Sortformer: сравнение на Ryzen
 
 **Дата:** 2026-09-04
 
-**Статус:** эксперимент завершен как `stop`. Для трех объектов закрытого
+Streaming Sortformer обработал три 300-секундных фрагмента за `67,433` с
-манифеста были закреплены количества кластеров `2 / 2 / 3`, но W0 выдал
+против `103,242` с у свежего W0. Ускорение одной пары составило `34,68%`.
-`2 / 2 / 2`. Кандидат не запускался.
+Кандидат правильно определил число голосов на всех трех фрагментах; W0 на
+одном из них выделил два кластера вместо трех.
 
-## Решение
+У результата есть два заметных минуса. Sortformer оставил без говорящего
+`92` слова против `73` у W0 и потребовал около `551` МиБ памяти против `325`
+МиБ. Во время обеих ячеек была небольшая активность swap, поэтому одна пара
+показывает направление, но не устойчивость ускорения.
 
-Свежий W0 не прошел обязательную проверку числа говорящих на одном из трех
+## Сравнение
-300-секундных фрагментов. По условиям
-[эксперимента](../specs/2026-09-01-streaming-sortformer-cpu-experiment.md)
-такая база сравнения непригодна. Выполнена одна из двенадцати запланированных
-ячеек. Sortformer и остальные ячейки не запускались, ускорение не считалось.
-Данных о скорости или качестве кандидата этот прогон не дал.
 
-Во время W0 также зафиксированы чтение из swap и запись в него. Это независимый
+| Показатель | W0 | Sortformer |
-провал проверки среды и памяти, но первой причиной `stop` остается
+| --- | ---: | ---: |
-`cluster-count-mismatch`: проверка качества завершилась раньше итогового снимка
+| Суммарный wall, с | `103,242` | `67,433` |
-системных счетчиков.
+| Ускорение | - | `34,68%` |
+| Ожидалось кластеров | `2 / 2 / 3` | `2 / 2 / 3` |
+| Получено кластеров | `2 / 2 / 2` | `2 / 2 / 3` |
+| Ошибок по числу кластеров | `1 из 3` | `0 из 3` |
+| Mapped purity на двух размеченных фрагментах | `0,7655 / 0,8915` | `0,8392 / 0,9176` |
+| Слов без говорящего | `73` | `92` |
+| Пиковый RSS, МиБ | `324,57` | `551,07` |
+| CPU time, с | `822,67` | `238,70` |
+| Прочитано из swap, КиБ | `492` | `224` |
+| Записано в swap, КиБ | `148` | `160` |
 
-## Результат W0
+Обе модели получили одинаковые заранее подготовленные mono/16 kHz float32
+буферы и те же ASR-sidecar. W0 работал на восьми физических ядрах, Sortformer -
+с четырьмя закрепленными внутренними потоками. Загрузка моделей, декодирование
+аудио, чтение sidecar и расчет метрик в wall не входили.
 
-| Показатель | Значение |
+Sortformer прошел автоматические проверки формы вероятностей, диапазона
-| --- | ---: |
+значений, меток говорящих, текста, порядка слов и интервалов на всех трех
-| Суммарный wall, с | `103,242485` |
+фрагментах. Его mapped purity выше W0 на обоих фрагментах с опорной разметкой.
-| Ожидаемые кластеры | `2 / 2 / 3` |
+При этом рост числа слов без говорящего требует слуховой проверки: по одной
-| Полученные кластеры | `2 / 2 / 2` |
+автоматике нельзя заключить, что качество кандидата в целом лучше.
-| Пиковый RSS | `340 340 736` байт (`324,57` МиБ) |
-| Прочитано из swap за ячейку | `503 808` байт (`492` КиБ) |
-| Записано в swap за ячейку | `151 552` байт (`148` КиБ) |
 
-Первые два фрагмента прошли обязательные проверки числа кластеров, текста,
+## Как читать результат
-порядка слов и интервалов. Третий фрагмент содержал подтвержденные три голоса,
-но W0 сформировал два кластера. Повтор не назначался: несовпадение числа
-кластеров само по себе завершает шаг приемки W0.
 
-## Условия
+По исходному расписанию задача завершилась как `stop`, когда W0 не прошел
+проверку числа кластеров. После этого была выполнена одна диагностическая
+ячейка Sortformer на тех же входах, чтобы ответить на практический вопрос о
+кандидате. Пять повторных пар, полные записи и слуховая проверка не выполнялись.
 
-W0 выполнялся по закрепленному рецепту `W0-FRESH`:
+По этой паре Sortformer выглядит перспективно: ускорение оказалось выше
+целевого порога `30%`, модель правильно выделила три голоса на проблемном
+фрагменте и показала лучшую mapped purity. Для решения о внедрении нужны
+повторные парные замеры без активности swap и слуховая проверка мест, где
+слова остались без говорящего. Текущий результат уже достаточен, чтобы не
+отбрасывать кандидата и продолжить исследование отдельной задачей.
 
-- `sherpa-onnx/core 1.13.6`, CPU provider;
+## Рецепты и техническая привязка
-- Pyannote Segmentation 3.0 FP32 и WeSpeaker ResNet34 LM FP32;
-- один процесс, одна сессия, восемь физических ядер,
-  `intra_op_threads=8`, `inter_op_threads=1`;
-- `window_shift_ratio=0.1`, `FastClustering(auto, 0.89)`,
-  `min_duration_on=0.3`, `min_duration_off=0.5`;
-- Windows Balanced, boost mode `2`; Linux cpufreq/governor в WSL2 не
-  предоставляется.
 
-До измерения успешно завершились обязательные детерминированные тесты, запуск
+W0 использовал `sherpa-onnx/core 1.13.6`, Pyannote Segmentation 3.0 FP32,
-с `--validate-only` и предварительная проверка C ABI и конфигурации кандидата.
+WeSpeaker ResNet34 LM FP32, CPU provider, `window_shift_ratio=0.1`,
-Последняя подтвердила четыре выходных канала, шаг `0,08` с и закрепленную
+`FastClustering(auto, 0.89)`, один процесс и одну сессию,
-CPU-конфигурацию, но не обрабатывала аудио и не является проверкой качества
+`intra_op_threads=8`, `inter_op_threads=1`, `min_duration_on=0.3` и
-Sortformer.
+`min_duration_off=0.5`.
 
-## Техническая привязка
+Кандидат использовал NeMo-Speech.cpp commit
+`4f9676226f667d14608487df744f375db87127f8`, модель Streaming Sortformer v2
+Q8_0 с SHA-256
+`0679cfeb1ce356d0dea9470b31274f4bfc7eb927497d82005483770666da998a`, CPU
+backend, один процесс и один stream. Geometry и post-processing соответствовали
+[спецификации](../specs/2026-09-01-streaming-sortformer-cpu-experiment.md).
 
-- коммит исходного кода `local-transcriber`:
+Коммит исходного кода, выполнившего обе ячейки:
-  `4c4a8be07b3653cede35b0435e6c9ef6cb3fb87d`;
+`4c4a8be07b3653cede35b0435e6c9ef6cb3fb87d`.
-- коммит NeMo-Speech.cpp:
-  `4f9676226f667d14608487df744f375db87127f8`;
-- модель Streaming Sortformer v2 Q8_0:
-  `0679cfeb1ce356d0dea9470b31274f4bfc7eb927497d82005483770666da998a`;
-- закрытый итоговый файл W0:
-  `ad32b3fe8a204e2fe6fbb6a13142e22c7e00ce9f0d816c3b0b8889fcab898e89`.
 
-Последний SHA-256 нужен только для проверки неизменности закрытого результата:
+Закрытая основа и результаты сохраняются для следующих исследований. Их
-он не оценивает диаризацию и не участвует в решении `stop`. Закрытая основа и
+повторное использование должно быть явно описано в новой задаче.
-результаты сохраняются для следующих исследований. Их повторное использование
-должно быть прямо предусмотрено новым экспериментом; вердикт и расписание
-задачи #46 автоматически не переносятся.