diff --git a/nodes/llm.py b/nodes/llm.py
index 7e1f0bb..9568f51 100755
--- a/nodes/llm.py
+++ b/nodes/llm.py
@@ -155,7 +155,7 @@ def translate_lines(lines: list[str], params: dict) -> list[str]:
     )
     api_key = os.getenv("LLM_API_KEY", "")
     request_timeout = float(os.getenv("LLM_TIMEOUT_SECONDS", "600"))
-    model = str(params.get("model") or os.getenv("LLM_MODEL", "Qwen/Qwen3.6-35B-A3B"))
+    model = str(params.get("model") or os.getenv("LLM_MODEL", "Qwen/Qwen3.5-35B-A3B"))
     target_language = str(params.get("target_language", "zh-CN"))
     system_prompt = _system_prompt(target_language)
 
diff --git a/tests/test_llm_default_model.py b/tests/test_llm_default_model.py
new file mode 100644
index 0000000..4e6b85d
--- /dev/null
+++ b/tests/test_llm_default_model.py
@@ -0,0 +1,155 @@
+"""LLM 默认模型解析契约测试（切换默认模型只改数据/环境，不改代码）。
+
+背景
+----
+2026-09 评测结论（data/experiments/translate_models/REPORT.md）决定把翻译/过滤/
+纠错三类节点的**默认模型**从 `Qwen/Qwen3.6-35B-A3B` 换成 `Qwen/Qwen3.5-35B-A3B`
+（质量持平、速度 0.232 s/行，是基线档最快）。
+
+仓库约定"切换模型不改代码"：三个节点（llm-translate / llm-filter /
+subtitle-correction）的模型解析顺序都是
+`params["model"]` → 环境变量 `LLM_MODEL` → 兜底默认值。
+因此换默认模型 = 改 `.env` 的 `LLM_MODEL`（+ 文档），代码只在兜底默认值上同步。
+
+本测试锁定两件事，防止"改了 .env 但节点仍走旧模型"或"params 覆盖失效"：
+1. 环境变量 `LLM_MODEL` 能真正决定请求体里的 model（在 HTTP 边界观测真实请求）；
+2. `params["model"]` 优先级高于环境变量（工作流参数覆盖仍有效）。
+"""
+
+from __future__ import annotations
+
+import json
+from pathlib import Path
+
+import pytest
+
+from nodes import llm
+from wov_sdk.models import InvokeRequest
+
+
+def _capture_model(monkeypatch, run_id: str = "r") -> list[dict]:
+    """在 HTTP 边界记录真实请求体，并返回正常结构响应（模型名取请求体的）。"""
+    sent: list[dict] = []
+
+    class Response:
+        """最小可用的 OpenAI 兼容响应；内容由请求体推导，便于断言对齐。"""
+
+        def __init__(self, body: dict):
+            items = json.loads(body["messages"][1]["content"])
+            self._payload = json.dumps(
+                {
+                    "choices": [
+                        {
+                            "message": {
+                                "content": json.dumps(
+                                    [{"id": i["id"], "text": "译文"} for i in items],
+                                    ensure_ascii=False,
+                                )
+                            }
+                        }
+                    ],
+                    "usage": {"total_tokens": 1},
+                }
+            ).encode()
+
+        def __enter__(self):
+            return self
+
+        def __exit__(self, *args):
+            return False
+
+        def read(self):
+            return self._payload
+
+    def open_request(request, **kwargs):
+        body = json.loads(request.data)
+        sent.append(body)
+        return Response(body)
+
+    monkeypatch.setattr("urllib.request.urlopen", open_request)
+    return sent
+
+
+def test_env_model_决定请求体里的模型(monkeypatch, tmp_path: Path) -> None:
+    """环境变量 LLM_MODEL 生效：旧模型默认值不会被写死进请求。
+
+    这是"改 .env 就换默认模型"的硬契约——若节点把默认模型写死在代码里，
+    本用例会因请求体仍是旧模型而失败。
+    """
+    monkeypatch.setenv("LLM_MODEL", "新默认/模型")
+    source = tmp_path / "input.srt"
+    source.write_text("1\n00:00:01,000 --> 00:00:02,000\nこんにちは\n", encoding="utf-8")
+    sent = _capture_model(monkeypatch)
+    response = llm.invoke(
+        InvokeRequest(
+            run_id="r", node_instance_id="",
+            inputs={"srt_uri": str(source)}, output_dir=str(tmp_path / "out"),
+        )
+    )
+    assert response.status == "completed", response.error
+    assert sent[0]["model"] == "新默认/模型"
+
+
+def test_params_model_优先于环境变量(monkeypatch, tmp_path: Path) -> None:
+    """工作流 DAG 的 params.model 覆盖环境变量（切换模型是数据，不是环境依赖）。"""
+    monkeypatch.setenv("LLM_MODEL", "环境/模型")
+    source = tmp_path / "input.srt"
+    source.write_text("1\n00:00:01,000 --> 00:00:02,000\nこんにちは\n", encoding="utf-8")
+    sent = _capture_model(monkeypatch)
+    response = llm.invoke(
+        InvokeRequest(
+            run_id="r", node_instance_id="",
+            inputs={"srt_uri": str(source)}, params={"model": "工作流/模型"},
+            output_dir=str(tmp_path / "out"),
+        )
+    )
+    assert response.status == "completed", response.error
+    assert sent[0]["model"] == "工作流/模型"
+
+
+def test_兜底默认模型按节点职责分离() -> None:
+    """翻译节点跟随 .env 的 LLM_MODEL；纠错节点保留旧默认（实测更优）。
+
+    2026-09 实测（同一误听泛化场景，各跑 4 次）：
+    - `Qwen/Qwen3.6-35B-A3B`：4/4 正确推断（“小穴”）；
+    - `Qwen/Qwen3.5-35B-A3B`：0/4（输出“阴道/曼果/曼戈”，字面直译）。
+
+    而翻译节点上新模型与旧模型逐条一致（1160 vs 1160，时间戳完全对齐）。
+    因此**不能三处同源**：翻译跟全局（.env），纠错独立保留旧模型；
+    过滤节点默认不调 LLM（use_llm=0），其兜底仅作启用时的默认值。
+
+    本用例锁定“分叉是有意为之”：翻译兜底必须与 .env 一致；纠错兜底必须
+    保留旧模型；三处都必须读 LLM_MODEL 环境变量（保留单点覆盖能力）。
+    """
+    import inspect
+
+    from nodes import llm_filter, subtitle_correction
+
+    env_model = None
+    env_path = Path(__file__).resolve().parent.parent / ".env"
+    if env_path.is_file():
+        for line in env_path.read_text(encoding="utf-8").splitlines():
+            if line.strip().startswith("LLM_MODEL=") and not line.strip().startswith("#"):
+                env_model = line.split("=", 1)[1].strip()
+    # 模型解析所在函数：翻译在 translate_lines、过滤在 _judge_category、
+    # 纠错在 correct_entry。
+    sources = {
+        "llm-translate": inspect.getsource(llm.translate_lines),
+        "llm-filter": inspect.getsource(llm_filter._judge_category),
+        "subtitle-correction": inspect.getsource(subtitle_correction.correct_entry),
+    }
+    fallbacks = {}
+    for name, src in sources.items():
+        marker = 'os.getenv("LLM_MODEL", "'
+        assert marker in src, f"{name} 未按约定读取 LLM_MODEL 环境变量"
+        fallbacks[name] = src.split(marker, 1)[1].split('"', 1)[0]
+    # 翻译节点跟随全局配置。
+    if env_model:
+        assert fallbacks["llm-translate"] == env_model, (
+            f"翻译兜底 {fallbacks['llm-translate']} 与 .env 的 LLM_MODEL={env_model} 不一致"
+        )
+        assert fallbacks["llm-filter"] == env_model, "过滤节点兜底应与全局保持一致"
+    # 纠错节点**有意**保留旧模型（实测新模型 0/4 vs 旧 4/4）。
+    assert fallbacks["subtitle-correction"] == "Qwen/Qwen3.6-35B-A3B", (
+        "纠错节点应保留旧默认（新模型在该节点泛化实测 0/4，明显劣化）"
+    )