作者发现，reranker 虽然调用了模型，却因 max_tokens 仅为 120，耗尽额度后未能输出答案；异常被静默回退到数学排序，因此功能失效时测试仍全部通过。将额度调至 1024 后，作者在 Spider 与 BIRD 公共基准上测得重排后的 top 5 命中率分别为 96.5% 和 96.7%，衡量的是正确表是否进入候选提示，不是最终 SQL 是否正确。