同一请求发给 14 个 LLM 商业部署，12 个改了答案：医疗器械合规判定的确定性先不过关

GFLOPS 的 Ryosuke Suzuki 在 arXiv 发表论文（arXiv 2610.21300）：把 70 个医疗器械合规评估 prompt 以字节相同的请求发给 14 个商业部署（7 个模型、3 家提供方、6 条调用路径），连续两天每天 5 遍，没有一个部署能复现自己的全部回答，12 个连「满足/不满足」标签都变过，引用段落的漂移比标签翻转更普遍。