diff --git a/handoff/NOTES_LEVEL.md b/handoff/NOTES_LEVEL.md
index 2038445..4f9bfed 100644
--- a/handoff/NOTES_LEVEL.md
+++ b/handoff/NOTES_LEVEL.md
@@ -2149,3 +2149,50 @@ up=exp(-2π·κ·c·g·tau), down=1-up. Константы из дампа: DAT_
 2. comb 2.57 при живом faithful — разобраться после детектора.
 3. RT_DUMP_BIN-трасса живого плагина на dual-конфиге (покадрово mask/lvl) —
    прямой ответ на вопрос «какой lvl реально у тона 2000».
+
+## ============ UPDATE 2026-08-23e (22x): ТЕОРЕМА О ОТСУТСТВИИ α + ТАБЛИЦА DUAL ПО q ============
+
+Инструмент: scripts/resalpha.py — RT_DUMP_BIN-тракты всех уникальных рендеров
+(57 пар case/freq: lvl_a1, res, am на бине тона + реальные cut из рефов),
+CSV /tmp/opencode/resalpha_pairs.csv.
+
+### Теорема об отсутствии α
+Модель lvl = am/res^α с ЕДИНЫМ законом cut=L(log2 lvl): имплицитные наклоны
+семей (концевые точки, дБ/октава lvl) при НИКАКОМ α ∈ [−0.6..1] не совпадают:
+- dual требует α≈−0.5 (наклон +0.2..+0.4);
+- при α≤0 t1k/t1kq/res получают БЕСКОНЕЧНЫЙ/отрицательный наклон (весь fc-скан
+  схлопывается в точку по x — res перестаёт различать fc);
+- при α>0 dual-пара даёт отрицательный наклон (запрещено для монотонного закона).
+⇒ ВЕСЬ класс точечных моделей lvl=f(am, res^α) с общим законом ОТВЕРГНУТ.
+Глобальный LSQ по α плоский (1.59-1.63 дБ) — семейные смещения доминируют.
+
+### Таблица dual по q (реальные cut, одна полоса @500)
+| q | res500 | res2000 | cut@500 | cut@2000 | Δ |
+|---|--------|---------|---------|----------|---|
+| 0.1 | 0.117 | 0.216 | 10.32 | 15.33 | +5.01 |
+| 0.5 | 0.117 | 0.839 | 10.32 | 11.82 | +1.50 |
+| 1.0 | 0.117 | 1.353 | 10.32 | 10.78 | +0.46 |
+| 3.0 | 0.119 | 1.880 | 10.29 | 10.32 | +0.03 |
+| 10 | 0.139 | 1.988 | 9.94 | 10.25 | −0.07 |
+
+Структура: cut@500 КОНСТАНТА по q (драйвер центра не зависит от ширины полосы);
+Δcut(res2000) ≈ экспонента 5.4·exp(−res/0.49), схлопывание при res→2.
+cut@2000 ПАДАЕТ с ростом res2000 — противоположно любому «lvl растёт с res»
+и противоположно делению. Геометрическая интерпретация: широкий нотч (малое q)
+НАКРЫВАЕТ тон-конкурент сам по себе; вклад центра всегда полный. Это свойство
+ФОРМЫ twin-шаблона на мелкой сетке (0.25 Гц, FUN_180536300), а не пер-биновой
+арифметики на сетке 4096.
+
+### al-группа (якорь уровня, fc=tone=1000)
+lvl_a1: 10.08/7.14/5.05/3.58/1.79/0.90 → cut: 13.64/12.44/11.28/10.13/7.97/6.01.
+Ломаная: наклон ≈1.16 дБ/окт для lvl≥1.8 и ≈2.06 ниже — кривизна закона
+подтверждена независимо (ср. 22s линии).
+
+### Следствие
+Детекторный уровень НЕ восстанавливается из спектра бина функционально.
+Кандидаты: (а) скалярная огибающая сигнала через time-domain twin-банк
+(536300 строит res-кривые на сетке 0.25 Гц — возможно, тот же банк даёт и
+уровни), (б) форма кривой = res-шаблон × скалярный драйв, что естественно
+даёт постоянство центра и геометрическое покрытие скайрта.
+Решающий эксперимент — живая покадровая трасса детектора на dual-конфиге
+(registry-heartbeat инфраструктура готова, NOTES_CAPTURE.md).
diff --git a/scripts/resalpha.py b/scripts/resalpha.py
new file mode 100644
index 0000000..55fa1f9
--- /dev/null
+++ b/scripts/resalpha.py
@@ -0,0 +1,121 @@
+#!/usr/bin/env python3
+"""resalpha.py — find detector res-exponent alpha from existing references.
+
+Model: lvl_case(alpha) = lvl_case(alpha=1) * res_case^(1-alpha)
+       real cut = L(log2 lvl) with ONE monotone law L shared by all cases.
+For an alpha grid -> global LSQ of cut on (1, log2 lvl) -> mean|resid|(alpha).
+The alpha minimising residuals is the detector's true res-weighting.
+
+lvl(1), res and am at the tone bin come from RT_DUMP_BIN tracts of the current
+build (bare-chain env; detector path identical). comb skipped (multiband).
+"""
+import os
+import subprocess
+import sys
+
+import numpy as np
+
+sys.path.insert(0, "/home/m/re-tools/scripts")
+sys.path.insert(0, "/home/m/re-tools/handoff")
+import corpus
+from render_parity import FS
+import corpus as _corpus_mod
+load = _corpus_mod.load_mono
+
+RB = '/home/m/re-tools/dsp/build/render48k'
+ENVBASE = {'RT_LUT_OFF': '1', 'RT_IIR12': '0', 'RT_NOWARP': '1',
+           'RT_NOBLEND': '1', 'RT_NOIIR3': '1',
+           'RT_DUMP_BIN': '/tmp/opencode/resalpha_tract.txt'}
+OUT = '/tmp/opencode/resalpha_pairs.csv'
+
+
+def bin_of(f):
+    return int(round(f / 48000 * 4096))
+
+
+def ta(x, f, sr=44100):
+    x = x[-int(0.75 * sr):].astype(np.float64)
+    t = np.arange(len(x)) / sr
+    w = 2 * np.pi * f
+    return np.hypot(2 * np.sum(x * np.cos(w * t)) / len(x),
+                    2 * np.sum(x * np.sin(w * t)) / len(x))
+
+
+def db(a):
+    return 20 * np.log10(max(a, 1e-12))
+
+
+def main():
+    all_cases = []
+    for name, inp, args, ref, f in corpus.build_cases():
+        joined = [','.join(args)] if len(args) == 3 else args
+        all_cases.append((name, inp, joined, ref, f))
+
+    uniq = {}
+    case_meta = {c[0]: c for c in all_cases}
+    for name, inp, args, ref, f in all_cases:
+        uniq.setdefault((inp, tuple(args)), []).append((name, ref, f))
+
+    rows = []
+    out_wav = '/tmp/opencode/resalpha_out.wav'
+    for (inp, args), items in sorted(uniq.items()):
+        tract = '/tmp/opencode/resalpha_tract.txt'
+        if os.path.exists(tract):
+            os.remove(tract)
+        env = {**os.environ, **ENVBASE,
+               'RT_DUMP_FRAME': str(120 * max(1, len(args)) - 1)}
+        subprocess.run([RB, inp, out_wav] + list(args),
+                       capture_output=True, text=True, env=env,
+                       cwd='/home/m/re-tools')
+        try:
+            d = np.loadtxt(tract)
+        except Exception as ex:
+            print('load fail', items[0][0], ex, flush=True)
+            continue
+        if d.ndim == 1:
+            continue
+        k = d[:, 0].astype(int)
+        am, res, lvl = d[:, 1], d[:, 2], d[:, 3]
+        for name, ref, f in items:
+            b = min(bin_of(f), len(lvl) - 1)
+            rows.append((name.split('_')[0], name, f, float(lvl[b]),
+                         float(res[b]), float(am[b]), inp, ref))
+        print(f'{items[0][0]:>18}: dumped', flush=True)
+
+    final = []
+    for g, name, f, lvl1, res, am, inp, ref in rows:
+        if g == 'comb':
+            continue
+        cut = db(ta(load(inp), f)) - db(ta(load(ref), f))
+        final.append((g, name, f, lvl1, res, cut))
+
+    with open(OUT, 'w') as fh:
+        fh.write('group,case,freq,lvl_a1,res,cut_db\n')
+        for g, name, f, lvl1, res, cut in final:
+            fh.write(f'{g},{name},{f},{lvl1:.9g},{res:.9g},{cut:.6f}\n')
+    print(f'\nwrote {len(final)} rows -> {OUT}')
+
+    # ---- alpha scan ----
+    lx = np.array([np.log2(max(r[3], 1e-9)) for r in final])
+    lr = np.array([np.log2(max(r[4], 1e-12)) for r in final])
+    y = np.array([r[5] for r in final])
+    gs = np.array([r[0] for r in final])
+
+    print(f'\n{"alpha":>6} {"mean|resid|":>11}  per-group resid mean')
+    best = None
+    for alpha in np.arange(-0.5, 1.51, 0.05):
+        x = lx + (1 - alpha) * lr
+        A = np.stack([np.ones_like(x), x], axis=1)
+        coef, *_ = np.linalg.lstsq(A, y, rcond=None)
+        resid = y - A @ coef
+        m = float(np.mean(np.abs(resid)))
+        pergrp = ' '.join(
+            f'{g_}:{np.mean(resid[gs == g_]):+.2f}' for g_ in ['t1kq', 't1k', 'al', 'res', 'dual'])
+        print(f'{alpha:>6.2f} {m:>11.3f}  {pergrp}')
+        if best is None or m < best[1]:
+            best = (float(alpha), m)
+    print(f'\nBEST alpha={best[0]:.2f} mean|resid|={best[1]:.3f}')
+
+
+if __name__ == '__main__':
+    main()