record the gpt-4.1-mini deploy: 11bbe1c live, server .env switched, live answer verified

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

CLAUDE.md

@@ -399,6 +399,24 @@ preferred setup, because there is then no key to leak. **Never let the server ru
 `django-insecure-…` fallback from `config/settings.py`: that string is committed here, so
 anyone who can read this repo can forge a token for any user.**
 
+## وضعیت ۲۰۲۶-۰۹-۲۶ — دستیار روی gpt-4.1-mini
+
+**روی سرور:** `11bbe1c` دیپلوی شد و سرویس واقعاً ری‌استارت شد (۰۲:۵۴). `OPENAI_CHAT_MODEL`
+در `.env` سرور از `gpt-4o-mini` به `gpt-4.1-mini` عوض شد؛ بکاپ:
+`.deploy-backups/env-before-gpt41mini-20260926-025320`. پیش‌فرضِ `settings.py` هم همین است.
+یک سوالِ زنده با مهمانِ تستیِ **کاربرِ ۱۸** جواب داد (پیامِ ۴۹: `gpt-4.1-mini`،
+`tutor-v5-slash-in-question`، ۴ chunk، ۲٫۵ ثانیه).
+
+- **چرا:** دو دور سنجش (گزارش ۲۳، شرح در `docs/architecture.md`). روی ۱۰۲ مسئله با تصحیحِ
+  دستی، 4.1-mini ۹۵–۹۶ و 4o-mini ۸۵–۹۰ گرفت. هر پاسخ ۰٫۱۲ سنت است، ۲٫۹ برابرِ 4o-mini.
+  ورودِ کتاب هم با همین مدل است (`OPENAI_VISION_MODEL`).
+- **«/» در دبستان** هم ممیز است هم کسر. جمله‌ی «در کتاب / ممیز است، نه کسر» فقط به
+  دبیرستان می‌رود و قاعده‌ی تشخیص کنارِ سوالِ دبستانی می‌آید. سه مسئله از ۱۷ هنوز غلط است.
+- **مانده (سبک):** پاسخِ دبستانی کسر را هنوز با «/» می‌نویسد (۵/۶)، در حالی که پرامپت برای
+  دبستان «۵ بر ۶» می‌خواهد؛ در نمادِ کتاب «۵/۶» یعنی ۵٫۶.
+- داورِ خودکارِ `rag_model_benchmark` (gpt-4.1) حدودِ ۷٪ اشتباه می‌کند؛ نتیجه‌ی هر سنجش را
+  پیش از تصمیم دستی وارسی کنید.
+
 ## وضعیت ۲۰۲۶-۰۹-۲۵ (عصر) — پیامکِ واقعی روشن شد
 
 **روی سرور:** `0580aec` دیپلوی و سرویس واقعاً ری‌استارت شد (۱۲:۳۲). `KAVENEGAR_API_KEY`
@@ -448,7 +466,7 @@ migrationها اعمال شدند، سه‌یار و `nextLessonId` از بیر
   ‎−$0.0016). تا شارژ، دستیار برای همه ۵۰۳ می‌دهد. انتخابِ مدلِ چت منتظرِ همین است:
   هزینه‌ی واقعیِ هر پاسخ با پرامپتِ تازه — gpt-4o-mini ۰٫۰۴۴، gpt-4.1-mini ۰٫۱۱۶،
   gpt-5-mini ۰٫۱۷۱، gpt-5.4-mini ۰٫۲۹، o4-mini ۰٫۴۱ سنت. دقتشان هنوز اندازه نشده.
-  **تصمیمِ صاحبِ پروژه (۰۹-۲۵): فعلاً gpt-4o-mini می‌ماند** (ارزان‌ترین). اولین
+  **تصمیمِ صاحبِ پروژه (۰۹-۲۵): فعلاً gpt-4o-mini می‌ماند** (۰۹-۲۶ با سنجشِ بعدی به gpt-4.1-mini عوض شد) (ارزان‌ترین). اولین
   کاندیدا برای سنجش بعد از شارژ: `deepseek-v4-flash` (قیمتِ رسمی از 4o-mini کمتر،
   ریاضیِ خیلی قوی‌تر، ولی فارسی و حالتِ بدونِ thinking‌اش اندازه نشده) و
   `gpt-4.1-mini`. تیمِ Rag_backend برای جوابِ ریاضی `o3-mini` استفاده می‌کند.