fix(config): 为火山渠道白名单 reasoning_effort，修复思考强度被静默丢弃

LiteLLM 的 VolcEngineChatConfig.get_supported_openai_params() 白名单不含
reasoning_effort，客户端一传就抛 UnsupportedParamsError；叠加 drop_params
后更糟 —— Router._deployment_params_with_request_reasoning_override 会先剥掉
部署侧 extra_body/thinking，drop_params 再把客户端参数丢掉，两者同归于尽，
上游 body 皆无该字段，方舟回落默认 high（静默失效）。

改动：17 个 volcengine 条目全部加 allowed_openai_params: [reasoning_effort]。
- 透传组（huoshan/deepseek-v4-*、doubao-seed-2-1-*、glm-5.2）：客户端显式指定生效
- 档位别名组（doubao-seed-nothink/-minimal/-low/-medium/-high、fanyi）：
  extra_body 钉死值为默认档位，客户端显式传参可覆盖；不传则走钉死档位

语义为「默认档位 + 客户端可覆盖」，非硬锁：LiteLLM 无纯配置手段实现强制覆盖。
实测依据见 config.yaml 注释（本地 echo 抓上游请求体）。

config.yaml

@@ -36,40 +36,6 @@ model_list:
 
 
 
-### 
-
-
-  #日常使用ds v3.2  ，强制think  
-#  - model_name: deepseek-v3.2
-#    litellm_params:
-#      <<: *token_pricing
-#      model: volcengine/deepseek-v3-2-251201
-#      api_base: os.environ/HUOSHAN_BASE_URL
-#      api_key: os.environ/HUOSHAN_API_KEY 
-#       说明中建议设置30分钟(1800秒)以上，避免深度思考过程中断连接
-#      timeout: 1800       
-#       关键配置2：启用思考模式
-#       extra_body 中的参数会被直接合并到请求的 JSON body 中
-#      extra_headers:
-#        Connection: "close"
-#      extra_body:
-#        thinking:
-#          type: "enabled"
-#    model_info:
-#      max_input_tokens: 128000   # 允许的最大输入长度（单位：token）
-#      max_context_length: 128000 # 上下文窗口上限
-          
-#  - model_name: deepseek-v3.2-nothink
-#    litellm_params:
-#      <<: *token_pricing
-#      model: volcengine/deepseek-v3-2-251201
-#      api_base: os.environ/HUOSHAN_BASE_URL
-#      api_key: os.environ/HUOSHAN_API_KEY
-#      extra_headers:
-#        Connection: "close" 
-#      extra_body:
-#        thinking:
-#          type: "disabled" 
  
   
   - model_name: huoshan/deepseek-v4-flash
@@ -78,102 +44,20 @@ model_list:
       model: volcengine/deepseek-v4-flash-ga-260731
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
 
+  - model_name: huoshan/deepseek-v4-pro
+    litellm_params:
+      <<: *token_pricing
+      model: volcengine/deepseek-v4-pro-ga-260813
+      api_base: os.environ/HUOSHAN_BASE_URL
+      api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
+      drop_params: true
   
         
-  - model_name: doubao-seed-1-8
+     
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-1-8-251228
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close" 
-
-  - model_name: doubao-seed-1-8-nothink
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-1-8-251228
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      extra_headers:
-        Connection: "close"
-      drop_params: true 
-      extra_body:
-        reasoning_effort: "minimal"        
-
-
-#  - model_name: doubao-seed-2-0-pro
-#    litellm_params:
-#      <<: *token_pricing
-#      model: volcengine/doubao-seed-2-0-pro-260215
-#      api_base: os.environ/HUOSHAN_BASE_URL
-#      api_key: os.environ/HUOSHAN_API_KEY
-#      timeout: 1800 
-#      drop_params: true 
-#      extra_headers:
-#        Connection: "close"
-
-        
-#  - model_name: doubao-seed-2-0-lite
-#    litellm_params:
-#      <<: *token_pricing
-#      model: volcengine/doubao-seed-2-0-lite-260215
-#      api_base: os.environ/HUOSHAN_BASE_URL
-#      api_key: os.environ/HUOSHAN_API_KEY
-#      drop_params: true
-#      extra_headers:
-#        Connection: "close"
-
-  - model_name: doubao-seed-2-0-code
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close"
-    model_info:
-      max_input_tokens: 224000   # 允许的最大输入长度（单位：token）
-      max_context_length: 256000 # 上下文窗口上限
-
-#禁用思考，用于标题等
-  - model_name: doubao-seed-2-0-code-nothink
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close"
-      extra_body:
-#        thinking:
-#          type: "disable"
-        reasoning_effort: "minimal"
-    model_info:
-      max_input_tokens: 224000   # 允许的最大输入长度（单位：token）
-      max_context_length: 256000 # 上下文窗口上限
-
-  # doubao-seed-2-0-code 强制中等思考，用作回退
-  - model_name: doubao-seed-2-0-code-medium
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      timeout: 1800
-      drop_params: true  
-      extra_headers:
-        Connection: "close"
-      extra_body:
-        reasoning_effort: "medium"
-    model_info:
-      max_input_tokens: 224000   # 允许的最大输入长度（单位：token）
-      max_context_length: 256000 # 上下文窗口上限        
 
   - model_name: doubao-seed-2-1-turbo
     litellm_params:
@@ -181,6 +65,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-turbo-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -194,6 +79,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-pro-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -208,6 +94,17 @@ model_list:
       model: volcengine/glm-5-2-260617
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY 
+      # 方舟 glm-5-2-260617 支持 reasoning_effort（none/minimal/high/max，默认 high；
+      # 官方参数页 + 实测 curl 均确认），但 LiteLLM 的 VolcEngineChatConfig
+      # get_supported_openai_params() 白名单里没有它 —— 它是 openai-like 的固定
+      # 参数表，不含 reasoning_effort —— 客户端一传就抛 UnsupportedParamsError。
+      # allowed_openai_params 是官方逃生口：get_optional_params 用它在校验前
+      # extend supported_params，随后 _apply_openai_param_overrides 把该参数从
+      # non_default_params 原样写回 optional_params，最终透传到请求体。
+      # 不用 drop_params：那是把该模型所有不支持参数静默丢弃，会掩盖其它真错。
+      # 注意 thinking.type 无需此项，VolcEngineChatConfig 已原生白名单。
+      allowed_openai_params:
+        - reasoning_effort
       extra_headers:
         Connection: "close"
     model_info:
@@ -215,18 +112,22 @@ model_list:
       max_context_length: 1024000 # 上下文窗口上限
 
   #=======================豆包汇总nothink
+  # 【思考档位别名组】doubao-seed-nothink / -minimal / -low / -medium / -high / fanyi
+  # 语义：别名后缀即【默认】档位，非硬锁。
+  #   - 客户端不传 reasoning_effort：按 extra_body 钉的档位发给方舟。
+  #   - 客户端显式传 reasoning_effort：以客户端为准（覆盖默认档位）。
+  # 为什么钉不成硬锁（实测，本地 echo 抓上游 body）：
+  #   请求带 reasoning_effort 时，Router._deployment_params_with_request_reasoning_override
+  #   会【无条件】剥掉部署侧 extra_body.reasoning_effort / thinking；
+  #   此时若没有 allowed_openai_params 放行，drop_params 又把客户端这个参数丢掉，
+  #   两者同归于尽 ⇒ 上游 body 两者都没有 ⇒ 方舟回落默认 high（静默失效）。
+  #   故必须加 allowed_openai_params：让客户端值能通过校验，使结果至少是
+  #   「客户端说了算」而不是「悄悄变回 high」。
+  #   LiteLLM 当前无纯配置手段做到「不论客户端传什么一律覆盖」；要硬锁只能加
+  #   pre-call hook（本仓库当前不采用）。
+  # 注：方舟 doubao 上 minimal 等价于关闭思考（实测 reasoning_tokens=0），
+  #     故 nothink/minimal/fanyi 三个别名默认档位统一用 minimal。
 
-  - model_name: doubao-seed-nothink
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close"
-      extra_body:
-        reasoning_effort: "minimal"
 
   - model_name: doubao-seed-nothink
     litellm_params:
@@ -234,6 +135,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-pro-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -246,6 +148,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-turbo-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -256,17 +159,6 @@ model_list:
 
   #=======================豆包汇总思考等级minimal
 
-  - model_name: doubao-seed-minimal
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close"
-      extra_body:
-        reasoning_effort: "minimal"
 
   - model_name: doubao-seed-minimal
     litellm_params:
@@ -274,6 +166,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-pro-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -286,6 +179,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-turbo-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -295,29 +189,7 @@ model_list:
 
   #=======================豆包汇总思考等级low
 
-  - model_name: doubao-seed-1-8
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-1-8-251228
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close" 
-      extra_body:
-        reasoning_effort: "high"
 
-  - model_name: doubao-seed-low
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close"
-      extra_body:
-        reasoning_effort: "low"
 
   - model_name: doubao-seed-low
     litellm_params:
@@ -325,6 +197,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-pro-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -337,6 +210,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-turbo-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -346,17 +220,6 @@ model_list:
 
   #=======================豆包汇总思考等级medium
 
-  - model_name: doubao-seed-medium
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close"
-      extra_body:
-        reasoning_effort: "medium"
 
   - model_name: doubao-seed-medium
     litellm_params:
@@ -364,6 +227,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-pro-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -376,6 +240,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-turbo-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -385,17 +250,7 @@ model_list:
 
   #=======================豆包汇总思考等级high
 
-  - model_name: doubao-seed-high
+
-    litellm_params:
-      <<: *token_pricing
-      model: volcengine/doubao-seed-2-0-code-preview-260215
-      api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY
-      drop_params: true
-      extra_headers:
-        Connection: "close"
-      extra_body:
-        reasoning_effort: "high"
 
   - model_name: doubao-seed-high
     litellm_params:
@@ -403,6 +258,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-pro-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -415,6 +271,7 @@ model_list:
       model: volcengine/doubao-seed-2-1-turbo-260628
       api_base: os.environ/HUOSHAN_BASE_URL
       api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
       drop_params: true
       extra_headers:
         Connection: "close"
@@ -427,30 +284,29 @@ model_list:
   - model_name: fanyi
     litellm_params:
       <<: *token_pricing
-      model: volcengine/doubao-seed-1-8-251228
+      model: volcengine/doubao-seed-2-1-pro-260628
       api_base: os.environ/HUOSHAN_BASE_URL
-      api_key: os.environ/HUOSHAN_API_KEY 
+      api_key: os.environ/HUOSHAN_API_KEY
-      timeout: 120 
+      allowed_openai_params: ["reasoning_effort"]
-      stream: false 
       drop_params: true
       extra_headers:
-        Connection: "close"               
+        Connection: "close"
       extra_body:
-        reasoning_effort: "minimal"    
+        reasoning_effort: "minimal"
+
+  - model_name: fanyi
+    litellm_params:
+      <<: *token_pricing
+      model: volcengine/doubao-seed-2-1-turbo-260628
+      api_base: os.environ/HUOSHAN_BASE_URL
+      api_key: os.environ/HUOSHAN_API_KEY
+      allowed_openai_params: ["reasoning_effort"]
+      drop_params: true
+      extra_headers:
+        Connection: "close"
+      extra_body:
+        reasoning_effort: "minimal"   
 
-#  - model_name: fanyi
-#    litellm_params:
-#      <<: *token_pricing
-#      model: volcengine/doubao-seed-2-0-lite-260215
-#      api_base: os.environ/HUOSHAN_BASE_URL
-#      api_key: os.environ/HUOSHAN_API_KEY
-#      timeout: 120 
-#      stream: false 
-#      drop_params: true
-#      extra_headers:
-#        Connection: "close"               
-#      extra_body:
-#        reasoning_effort: "minimal"
 
           
 
@@ -462,7 +318,7 @@ litellm_settings:
   #drop_params: true  #启用drop_params，这样LiteLLM会忽略不支持的参数，但参数仍然会传递给后端API
   num_retries: 3 # retry call 3 times on each model_name (e.g. zephyr-beta)
   fallbacks: [
-    {"doubao-seed-high": ["deepseek-v4-pro"]} 
+    #{"doubao-seed-high": ["deepseek-v4-pro"]} 
   ]
   #default_fallbacks: ["deepseek-v4-flash"]
   request_timeout: 120 # raise Timeout error if call takes longer than 10s. Sets litellm.request_timeout 

docker-compose.yml

@@ -21,8 +21,28 @@ services:
       TZ: Asia/Shanghai
       # ⚠️ 必须设置这个环境变量，否则 Python 找不到你的脚本
       PYTHONPATH: "/app"
-      DATABASE_URL: "postgresql://litellm_app:shriek-sixfold-ethanol@192.168.1.34:5432/litellm"
+      # ⚠️ 必须保留 client_encoding=UTF8。
+      # 本库 litellm 是 SQL_ASCII 编码（server/client_encoding 均为 SQL_ASCII，
+      # datcollate=C）。psycopg 对 SQL_ASCII 连接的 TextLoader 直接返回 bytes
+      # 而非 str（psycopg/types/string.py:110-120），于是 litellm_proxy_extras
+      # 里 _MIGRATION_TS_RE.match(migration_name)、
+      # _TRANSIENT_INDEX_SUFFIX_RE.search(index.name) 等对 bytes 用字符串正则，
+      # 抛 TypeError: cannot use a string pattern on a bytes-like object。
+      # 该参数经 libpq 作为启动参数下发（fe-protocol3.c:2503），使连接按 UTF8
+      # 协商；psycopg 读服务端确认值决定解码（pq_ctypes.py:229-232），
+      # 从而正常返回 str。Prisma 侧无影响：quaint 丢弃未知参数
+      # （prisma-engines quaint/src/connector/postgres/url.rs:459），
+      # 且其驱动 tokio-postgres 本就固定发送 client_encoding=UTF8。
+      # 已全库校验：450 个文本列 / 43548 行 / 14.5MB 全部是合法 UTF-8，
+      # 不存在解码失败风险。
+      DATABASE_URL: "postgresql://litellm_app:shriek-sixfold-ethanol@192.168.1.34:5432/litellm?client_encoding=UTF8"
       STORE_MODEL_IN_DB: "True"
+      # v2 migration resolver 的额外兜底（可去掉以启用 v2）：
+      # main-latest 自 2026-09-20 起默认启用 v2（上游 commit fac518dbf7），
+      # v2 会在启动时调用 _warn_if_db_ahead_of_head() —— 即上面那个 TypeError
+      # 的触发点。上面的 client_encoding 修复已从根因上解除该崩溃，
+      # 但 v2 还引入迁移协调锁等新机制；保守起见先沿用更新前的 v1 路径。
+      USE_V2_MIGRATION_RESOLVER: "false"
       # --- Modified: 添加 Redis 配置 ---
       REDIS_HOST: "redis"       # 对应下方 redis 服务的名字
       REDIS_PORT: "6379"

volc_limit_sync.py

@@ -109,6 +109,53 @@ PREBLOCK_RESERVE_TOKENS = int(os.getenv("PREBLOCK_RESERVE_TOKENS", "50000"))
 # max(声明值, 本下限) 兜住思考开销；2M 限额下 4096 偏差仅 0.2%。
 THINKING_RESERVE_FLOOR = int(os.getenv("THINKING_RESERVE_FLOOR", "4096"))
 
+# 在途预留（inflight）TTL：pre-hook 放行时预扣的 reserve 记入独立
+# daily_usage_inflight key，正常请求在结算回调中配对释放；若请求
+# 失败/进程崩溃/回调丢失，预留量由本 TTL 自动归零，防止额度被永久
+# 卡死。1 小时远大于正常结算延迟（秒级），兜底释放足够及时。
+PREBLOCK_INFLIGHT_TTL = int(os.getenv("PREBLOCK_INFLIGHT_TTL", "3600"))
+
+# pre-hook 写入请求 metadata 的预留量键名，结算回调据此配对释放 inflight。
+# 以 "_" 前缀避免与用户/代理自定义 metadata 冲突。
+PREBLOCK_RESERVE_META_KEY = "_volc_preblock_reserve"
+
+# Lua 原子闸门：把"读 usage + 读 inflight + 判 limit + 预扣"合并为
+# 一个 Redis 原子操作，堵住并发请求在同一 usage 快照上集体撞线的
+# TOCTOU 窗口（见 docs/volc-quota-notes.md 并发击穿分析）。
+# KEYS[1]=usage_key, KEYS[2]=inflight_key
+# ARGV[1]=effective_limit, ARGV[2]=reserve, ARGV[3]=inflight TTL
+# 返回: 1=放行(已预扣), 0=拦截(未预扣)
+GATE_SCRIPT = """
+local usage = tonumber(redis.call('GET', KEYS[1]) or '0')
+local inflight = tonumber(redis.call('GET', KEYS[2]) or '0')
+local limit = tonumber(ARGV[1])
+local reserve = tonumber(ARGV[2])
+if usage + inflight + reserve >= limit then
+    return 0
+end
+redis.call('INCRBY', KEYS[2], reserve)
+redis.call('EXPIRE', KEYS[2], tonumber(ARGV[3]))
+return 1
+"""
+
+# Lua 原子释放：结算时配对扣减 inflight，floor 0 防止迟到结算的幽灵释放
+# 误删别的请求的预留（TTL 过期后迟到 DECRBY 导致负数 → DEL 全部）。
+# SET 后补 EXPIRE，保留剩余预留的 TTL（不因 SET 重置为永久）。
+# KEYS[1]=inflight_key, ARGV[1]=reserve, ARGV[2]=inflight TTL
+# 返回: 扣减后剩余 inflight 值（>=0）
+RELEASE_SCRIPT = """
+local cur = tonumber(redis.call('GET', KEYS[1]) or '0')
+local reserve = tonumber(ARGV[1])
+local new_val = cur - reserve
+if new_val <= 0 then
+    redis.call('DEL', KEYS[1])
+    return 0
+end
+redis.call('SET', KEYS[1], new_val)
+redis.call('EXPIRE', KEYS[1], tonumber(ARGV[2]))
+return new_val
+"""
+
 # stable_limit 缺失时（首次同步前/新增模型/TTL 过期/Redis 数据丢失）的保守兜底限额。
 # 免费池常态 ~2M（首开赠送/昨日采多少返多少），若 fallback 裸奔到采集上限 2M，
 # 余额不足或已耗尽的模型会被烧穿扣费。900k 对 0 余额模型仍是 9 倍优惠，
@@ -157,9 +204,11 @@ MANUAL_MONITORED_MODEL_ALIASES = {
     "doubao-seed-code": "doubao-seed-code-preview-251028",
     "doubao-seed-translation": "doubao-seed-translation-250915",
     "doubao-seed-2-0-code": "doubao-seed-2-0-code-preview-260215",
-    # 火山资源包名用 MMDD（deepseek-v4-flash-0731），上游模型名用 -ga-YYMMDD（-ga-260731），
+    # 火山资源包名用 MMDD（deepseek-v4-flash-0731 / deepseek-v4-pro-0813），
+    # 上游模型名用 -ga-YYMMDD（-ga-260731 / -ga-260813），
     # 两者不一致，必须手工映射，否则资源包会被 "Not in monitored models" 跳过。
     "deepseek-v4-flash-0731": "deepseek-v4-flash-ga-260731",
+    "deepseek-v4-pro-0813": "deepseek-v4-pro-ga-260813",
 }
 
 # Auto-discovered monitored upstream models and endpoint pairs from config.yaml
@@ -186,13 +235,13 @@ HARD_DAILY_LIMITS = {
 # 🚨 Soft Evict Thresholds（软踢预警线）
 # ==========================================
 # 提前于硬限额/动态墙踢出模型的预警线，留出缓冲：
-#   1. 用量墙：usage ≥ SOFT_EVICT_USAGE_LIMIT(默认 1.95M) 即踢——避免贴 2M 边时
+#   1. 用量墙：usage ≥ SOFT_EVICT_USAGE_LIMIT(默认 1.9M) 即踢——避免贴 2M 边时
 #      大请求 429/小请求放行的灰色地带（reserve 低估 / 并发击穿余量）
 #   2. 余额墙：balance_at_sync < SOFT_EVICT_BALANCE_LIMIT(10万) 且 usage > 0 即踢——
 #      usage>0 限定防误杀小额初始池模型（B0<10 万未使用时被永久踢出死锁）
 # 恢复条件对称（should_restore_model）：usage < min(effective_limit, 用量墙)
 #     且 (余额 ≥ 10万 或 usage == 0)，否则踢了立即被恢复成踢/恢复抖动
-SOFT_EVICT_USAGE_LIMIT = float(os.getenv("SOFT_EVICT_USAGE_LIMIT", "1950000"))
+SOFT_EVICT_USAGE_LIMIT = float(os.getenv("SOFT_EVICT_USAGE_LIMIT", "1900000"))
 SOFT_EVICT_BALANCE_LIMIT = float(os.getenv("SOFT_EVICT_BALANCE_LIMIT", "100000"))
 
 # ==========================================
@@ -373,6 +422,16 @@ def get_usage_key(clean_model, api_base=None):
     return f"daily_usage:{date_str}:{clean_model}{suffix}"
 
 
+def get_inflight_key(clean_model, api_base=None):
+    """在途预留 key：与 usage key 同日期轮换，独立账户，结算配对释放。
+
+    pre-hook 放行时 INCRBY reserve（Lua 原子闸门内完成），请求成功结算时
+    按该请求的 reserve DECRBY 释放，usage 只计实际消耗；失败/丢失的预留
+    由 PREBLOCK_INFLIGHT_TTL 自动归零。
+    """
+    return get_usage_key(clean_model, api_base) + ":inflight"
+
+
 def get_static_limit_for_hash(clean_model, current_hash=None):
     """Check static configuration in HARD_DAILY_LIMITS using an optional endpoint hash."""
     if current_hash:
@@ -860,13 +919,58 @@ def startup_audit():
         log(f"❌ Startup audit failed: {e}", level="ERROR")
 
 
+def _atomic_reserve(clean_model, api_base, effective_limit, reserve):
+    """Lua 原子闸门：usage + inflight + reserve >= limit 则拦截，否则预扣并放行。
+
+    返回 (granted, usage_total)。granted=False 时 usage_total = usage + inflight
+    （供日志展示）；granted=True 时预扣已入 inflight key。
+    Redis 不可用/脚本失败时抛异常由调用方 fail-closed 处理。
+    """
+    usage_key = get_usage_key(clean_model, api_base)
+    inflight_key = get_inflight_key(clean_model, api_base)
+    granted = redis_client.eval(
+        GATE_SCRIPT,
+        2,
+        usage_key,
+        inflight_key,
+        int(float(effective_limit)),
+        int(reserve),
+        int(PREBLOCK_INFLIGHT_TTL),
+    )
+    usage = float(redis_client.get(usage_key) or 0)
+    inflight = float(redis_client.get(inflight_key) or 0)
+    return bool(granted), usage + inflight
+
+
+def _release_inflight(clean_model, api_base, reserve):
+    """结算配对释放：请求完成后把 pre-hook 预扣的 reserve 从 inflight 账户扣除。
+
+    用 Lua 原子脚本做 DECRBY + floor 0，防止 TTL 过期后迟到结算的幽灵释放
+    把 DECRBY 打到负数 → 误删别的请求的预留。reserve<=0 或脚本失败时无操作，
+    inflight 残留由 TTL 兜底归零。
+    """
+    if not redis_client or not reserve:
+        return
+    try:
+        inflight_key = get_inflight_key(clean_model, api_base)
+        redis_client.eval(
+            RELEASE_SCRIPT, 1, inflight_key, int(reserve),
+            int(PREBLOCK_INFLIGHT_TTL),
+        )
+    except Exception as e:
+        log(f"❌ _release_inflight failed: {e}", level="ERROR")
+
+
 def _check_request_block(model_name, reserve=0.0):
     """
     请求前闸门：对外模型名 → 判定是否超限。
     只拦截 MONITORED_MODEL_PAIRS 内的火山监控条目；newapi 等非监控渠道天然放行。
-    reserve: 本次请求的预估消耗（max_tokens 或常量兜底），usage + reserve >= limit 即拦截，
+    reserve: 本次请求的预估消耗（max_tokens 或常量兜底）。
-    避免并发请求在闸门检查后集体撞线（限额是低频快照，用量是实时累计）。
+    判定用 Lua 原子闸门：usage + inflight(在途预留) + reserve >= limit 即拦截，
-    返回 (clean_model, usage, limit) 表示超限，None 表示放行。
+    inflight 账户在 Redis 内原子预扣，并发请求串行看到彼此的在途量，堵死
+    "同一 usage 快照集体撞线"的 TOCTOU 击穿。放行时 reserve 已预扣入 inflight，
+    由结算回调配对释放（见 _release_inflight）。
+    返回 (clean_model, usage, limit) 表示超限，None 表示放行（已预扣）。
     fail-closed：Redis 不可用 / 限额获取失败 / 读取异常时，对监控条目返回
     (clean_model, -1, -1) 标记拒绝（宁可错杀，不可漏放）；非监控条目不受影响。
     手动软踢：Redis key manual_evict:{config model 字段全名} 存在时返回
@@ -973,16 +1077,24 @@ def _check_request_block(model_name, reserve=0.0):
                 return (clean, -1, -1)
 
             usage_key = get_usage_key(clean, api_base)
-            val = redis_client.get(usage_key)
-            usage = float(val or 0)
 
             # 已被软踢的条目恒 429(无论 reserve)，避免踢后灰色区间(如 1.95M~2M)
             # 小请求被放行 → 路由原名不存在 → 400 路由错误
             if entry_name == f"{model_name}-limit-reached" and "_daily_limit_backup" in entry:
+                usage = float(redis_client.get(usage_key) or 0)
                 return (clean, usage, effective_limit)
 
-            if usage + float(reserve) >= float(effective_limit):
+            # Lua 原子闸门：usage + inflight + reserve >= limit 即拒绝（不预扣），
-                return (clean, usage, effective_limit)
+            # 否则把 reserve 预扣进 inflight 账户并放行。判定与预扣在 Redis 内
+            # 原子完成，并发请求串行看到彼此的在途预留，堵死"同一 usage 快照上
+            # 集体撞线"的 TOCTOU 击穿（08-18 13:14:41-50 根因，见诊断）。
+            granted, _inflight_total = _atomic_reserve(
+                clean, api_base, effective_limit, reserve
+            )
+            if not granted:
+                return (clean, _inflight_total, effective_limit)
+            # 放行：预扣已入 inflight，结算时配对释放
+            return None
 
         return None
     except Exception as e:
@@ -1046,6 +1158,22 @@ class DailyLimitHandler(CustomLogger):
         # 输出侧：思考模型 usage 含 reasoning tokens 且不受 max_tokens 限制，
         # 故取 max(请求声明 max_tokens, THINKING_RESERVE_FLOOR) 兜底思考开销，
         # 防短文本 + 小 max_tokens 请求 reserve 低估（实测 34 vs 实际 150+）。
+        # 幂等防重：litellm 对同一请求可能调用两次 async_pre_call_hook
+        # （proxy 级 + deployment 级），第二次预扣会重复占 inflight 且
+        # 结算只释放一次 → 残留累积。已有 reserve 标记时跳过预扣（含
+        # token_counter 精确计数等昂贵路径）直接放行。
+        # 假设：deployment-level hook 收到的是同一 data dict 引用（litellm
+        # pre_call_hook 循环体 data=result 赋值，就地修改会带过去）。若
+        # litellm 升级为深拷贝 data 传给第二次 hook，此检查失效，需改用
+        # 请求级唯一 ID（如 litellm_call_id）做去重。部署后留意日志确认
+        # 第二次 pre-hook 是否被跳过（Pre-reserve 只应打印一次）。
+        try:
+            _existing_meta = data.get("metadata") or {}
+            if isinstance(_existing_meta, dict) and PREBLOCK_RESERVE_META_KEY in _existing_meta:
+                return data
+        except Exception:
+            pass
+
         try:
             declared = (
                 data.get("max_tokens")
@@ -1079,7 +1207,19 @@ class DailyLimitHandler(CustomLogger):
 
         blocked = _check_request_block(data["model"], reserve=reserve)
         if not blocked:
-            return None
+            # 放行：Lua 原子闸门已把 reserve 预扣进 inflight 账户。
+            # 把本次预留量记入请求 metadata，随 litellm 流转到 log_success_event
+            # 的 kwargs["litellm_params"]["metadata"]，结算时配对释放（否则
+            # inflight 只会增不减，额度被已放行请求永久占死）。
+            try:
+                meta = data.get("metadata") or {}
+                if not isinstance(meta, dict):
+                    meta = {}
+                meta[PREBLOCK_RESERVE_META_KEY] = int(reserve)
+                data["metadata"] = meta
+            except Exception:
+                pass  # 写 metadata 失败仅影响结算释放，TTL 兜底仍会回收
+            return data
 
         clean, usage, limit = blocked
         if usage < 0 or limit < 0:
@@ -1155,6 +1295,20 @@ class DailyLimitHandler(CustomLogger):
 
             if clean_model and total_tokens > 0:
                 key = get_usage_key(clean_model, api_base)
+
+                # 结算配对释放：读回 pre-hook 预扣的 reserve（经 metadata 透传），
+                # 从 inflight 账户扣除。实际消耗 total_tokens 照常记入 usage；
+                # 预扣量 = 预估值，与实耗差额天然由 usage 侧的"只计实际"修正，
+                # inflight 只代表"已放行未结算"的在途量，结算即清零。
+                released = 0
+                try:
+                    meta = litellm_params.get("metadata") or {}
+                    if isinstance(meta, dict):
+                        released = int(meta.get(PREBLOCK_RESERVE_META_KEY, 0) or 0)
+                except (TypeError, ValueError):
+                    released = 0
+                _release_inflight(clean_model, api_base, released)
+
                 current_total = redis_client.incrby(key, int(total_tokens))
                 redis_client.expire(key, 172800)