Revert "P8：/portal/daemon/extract 萃取模型 scout → qwen3-30b（真筆記實測：品質不降、額度天花板翻倍）"

This reverts commit aa6b899276.

cypher-executor/src/routes/portal.ts

@@ -780,18 +780,9 @@ portalRouter.post('/portal/daemon/extract', (c) =>
       `## 關聯\n- 實體A ${REL} 關係 ${REL} 實體B（3-8 行，用上面實體名）\n\n原稿：\n${srcText}`;
 
     try {
-      // 🔴 模型選型（P8 短板齊平，2026-08-09 實測換的）：
-      //   免金鑰路的短板＝Workers AI 免費 10,000 neurons/日。用 leo 真實筆記 8 篇
-      //   × 5 模型實測（arcrun-rag docs/benchmarks/p8-extractor-quality/，
-      //   usage.neurons 為 CF 回應原生計量）：
-      //     llama-4-scout：84 n/檔 ⇒ 119 檔/日（t181 選的舊現役，當時只比延遲與完整度）
-      //     qwen3-30b-a3b-fp8：43 n/檔 ⇒ 232 檔/日，格式合規 8/8、
-      //       三元組平均 7.6 條全可解析（scout 5.0），品質不降反升
-      //     granite-4.0-h-micro：11.7 n/檔（最便宜）但 5/8 缺段、三元組幾乎全滅 ⇒ 否決
-      //   ⇒ 換 qwen3-30b：同額度天花板直接翻倍，品質有據（P8：要換模型就要實測並講清楚）。
-      //   （聊天用的 workers_ai_chat recipe 仍是 scout，選型見 api-recipe-seeds.ts:140；
-      //   萃取與聊天自此分開選型——萃取是額度大戶，聊天量小不動。）
-      const out = (await c.env.AI.run('@cf/qwen/qwen3-30b-a3b-fp8', {
+      // 模型與 workers_ai_chat recipe 同一支（選型實測見 api-recipe-seeds.ts:140：
+      // llama-4-scout 2373ms／答案最完整；對照 Gemini gemma-4-31b-it 16.87 秒且吐英文草稿）。
+      const out = (await c.env.AI.run('@cf/meta/llama-4-scout-17b-16e-instruct', {
         messages: [{ role: 'user', content: prompt }],
         max_tokens: 2048,
         temperature: 0.2,