diff --git a/fit_maskaxis.py b/fit_maskaxis.py
new file mode 100644
index 0000000..57ff454
--- /dev/null
+++ b/fit_maskaxis.py
@@ -0,0 +1,129 @@
+#!/usr/bin/env python3
+"""fit_maskaxis.py — brute-force подбор: какая формула полосы даёт широкую кривую t1kq.
+
+Гипотеза из декомпиляции: близнец вычисляет маску M(z)=2·B(z)/A(z) на z-оси,
+z = rotor(вход) = e^{i(pi/2 - x)} (и negate → e^{i(pi/2 + x)}). Вход x — частотная
+ось бинов (в рад). Снижение тона f_tone при полосе на fc: D(fc) = -20log10(M(z_tone;fc)),
+где M зависит от fc через коэффициенты case8/case1.
+
+Ищем формулу + Q_eff, воспроизводящие измеренную широкую кривую.
+"""
+import numpy as np
+
+FS = 44100.0
+
+# измеренные кривые (fc, D_dB) от bandshape.py
+T1KQ = np.array([
+    (800, 7.868), (900, 8.536), (950, 8.726), (980, 8.779),
+    (1000, 8.788), (1020, 8.778), (1050, 8.729), (1100, 8.575), (1200, 8.115)])
+T1K = np.array([
+    (500, 11.674), (800, 14.548), (900, 15.332), (950, 15.553),
+    (1000, 15.626), (1050, 15.557), (1100, 15.378), (1200, 14.840),
+    (1500, 13.209), (2000, 11.668)])
+
+
+def ab_case8(fc, Q, gain):
+    w0 = fc * 2 * np.pi / FS
+    c, s = np.cos(w0), np.sin(w0)
+    p = (c * 0.5) / Q
+    alpha = p * gain
+    alpha2 = p / gain
+    A = [alpha + 1.0, s * (-0.5), 1.0 - alpha]
+    B = [alpha2 + 1.0, s * (-0.5), 1.0 - alpha2]
+    return A, B
+
+
+def ab_case8_sin(fc, Q, gain):
+    w0 = fc * 2 * np.pi / FS
+    c, s = np.cos(w0), np.sin(w0)
+    p = (s * 0.5) / Q
+    alpha = p * gain
+    alpha2 = p / gain
+    A = [alpha + 1.0, s * (-0.5), 1.0 - alpha]
+    B = [alpha2 + 1.0, s * (-0.5), 1.0 - alpha2]
+    return A, B
+
+
+def ab_case1(fc, Q, gain=None):
+    w = 1.0 / np.sin(fc * np.pi / FS)
+    k = (1.0 / Q) * w
+    w2 = w * w
+    a = 1.0 / (k + 1.0 + w2)
+    A = [a, 2 * a, a]
+    B = [1.0, (1.0 - w2) * 2 * a, (1.0 - k + w2) * a]
+    return A, B
+
+
+def ab_case1_noQ(fc, Q, gain=None):
+    w = 1.0 / np.sin(fc * np.pi / FS)
+    w2 = w * w
+    a = 1.0 / (w + 1.0 + w2)   # k=(1/Q)*w с Q=1
+    A = [a, 2 * a, a]
+    B = [1.0, (1.0 - w2) * 2 * a, (1.0 - w + w2) * a]
+    return A, B
+
+
+def z_at_tone(f_tone, variant, zsign=1.0):
+    wt = 2 * np.pi * f_tone / FS
+    if variant == 'unit':
+        return np.exp(zsign * 1j * wt)
+    if variant == 'rotor_pihalf':
+        # rotor: z = sin(x)+i cos(x) = e^{i(pi/2-x)}; negate -> -e^{i(pi/2-x)} = e^{i(pi/2-x+pi)}
+        return -np.exp(1j * (np.pi / 2 - wt))
+    if variant == 'rotor_pihalf_pos':
+        return np.exp(1j * (np.pi / 2 - wt))
+    raise ValueError(variant)
+
+
+def h_at(A, B, z):
+    num = B[0] + B[1] * z + B[2] * z**2
+    den = A[0] + A[1] * z + A[2] * z**2
+    return np.abs(2.0 * num / den)
+
+
+def Dcurve(rows, ab_fn, variant, Q, gain, zsign=1.0, f_tone=1000.0):
+    z = z_at_tone(f_tone, variant, zsign)
+    ds = []
+    for fc, _ in rows:
+        A, B = ab_fn(fc, Q, gain)
+        ds.append(-20 * np.log10(max(h_at(A, B, z), 1e-12)))
+    return np.array(ds)
+
+
+def fit_shape(rows, ab_fn, variant, gain, zsign=1.0, f_tone=1000.0):
+    meas = np.array([r[1] for r in rows])
+    best = None
+    for Q in np.logspace(-2, 1.6, 180):
+        pred = Dcurve(rows, ab_fn, variant, Q, gain, zsign, f_tone)
+        # сравнение по форме: вычитаем среднее
+        err = np.mean((pred - pred.mean() - (meas - meas.mean()))**2)
+        rmse = np.sqrt(err)
+        if best is None or rmse < best[0]:
+            best = (rmse, Q, pred)
+    return best
+
+
+def run():
+    print('=== t1kq_only1 (tone 1k, q=0.9999978) ===')
+    rows = T1KQ
+    meas = np.array([r[1] for r in rows])
+    variants = ['unit', 'rotor_pihalf', 'rotor_pihalf_pos']
+    ab_variants = [('case8_cos', ab_case8), ('case8_sin', ab_case8_sin),
+                   ('case1', ab_case1)]
+    results = []
+    for vn in variants:
+        for abn, abf in ab_variants:
+            for zsign in (1.0, -1.0):
+                for gain in (1.0, 10.0**(12.0 / 20.0)):
+                    rmse, Q, pred = fit_shape(rows, abf, vn, gain, zsign)
+                    results.append((rmse, vn, abn, zsign, gain, Q, pred))
+    results.sort(key=lambda r: r[0])
+    for rmse, vn, abn, zsign, gain, Q, pred in results[:12]:
+        print(f'rmse={rmse:.4f} z={vn} zs={zsign:+} {abn} gain={gain:.2f} Q_eff={Q:.5f}')
+        print('   pred: ' + ' '.join(f'{p:6.3f}' for p in pred))
+        print('   meas: ' + ' '.join(f'{m:6.3f}' for m in meas))
+        print()
+
+
+if __name__ == '__main__':
+    run()
diff --git a/model_dual.py b/model_dual.py
new file mode 100644
index 0000000..dda122c
--- /dev/null
+++ b/model_dual.py
@@ -0,0 +1,97 @@
+#!/usr/bin/env python3
+"""model_dual.py — ВЕРИФИЦИРОВАННАЯ численная модель soothe2 (detector twin).
+
+Совместный фит двух наборов (31 точка), общие параметры:
+  dual_b1q: red500/red2000, band fc=500, Q=0.1..10, sens=12, tones 500+2000 (-7.14 dBFS)
+  t1kq     : fc-скан 800..1200, tone 1k (-18.06 dBFS), band Q=0.9999978, sens=12
+rmse = 0.109 dB.
+
+МОДЕЛЬ (декодирована из Ghidra, B.8/B.9/B.10):
+  red(f) = -20*log10(1 - C(f))
+  C(f)   = depth * tilt(f) * D0 * (L0 / res(f))^p        p ~= 0.085  (компрессивный LUT)
+  res(f) = |2*B/A|(f; fc, Q, gain)   case8/m2c, freq-path близнеца 0x180535880
+  tilt(f)= 1 - w(f)   per-bin level-вес из FUN_180530d30 (растёт с частотой)
+  depth  = 0.8639736175537109  (параметр плагина)
+  L0     = линейный уровень входа (набор данных)
+  gain   = 10^(sens/20)  (~4.13 при sens=12)
+
+Проверенные следствия:
+  - Q_eff(фит) ~= 0.90 vs истинный q=1.0 (в B.8 сырой |2B/A| давал Q_eff 1.39-1.48)
+  - tilt ratio(2000/500) = 1.27 совпадает с формулой 0x530d30 при L=0.43, d1=0.078
+  - глубина зависит от уровня входа L0 (dual -7dB vs t1kq -18dB в одних параметрах)
+
+ПАРАДОКС dual_b1q РЕШЁН: red2000>red500 из-за частотного наклона tilt(f) (1-w),
+резонанс входит как (L0/res)^p (excess над уровнем полосы), p=0.085 слабо-компрессивный.
+"""
+import numpy as np
+from scipy.optimize import least_squares
+
+FS = 44100.0
+DEPTH = 0.8639736175537109
+
+QS = [0.1, 0.2, 0.3, 0.5, 0.7, 1.0, 1.5, 2.0, 3.0, 5.0, 10.0]
+DUAL = np.array([(10.220, 15.224), (10.219, 13.963), (10.219, 12.947),
+                 (10.219, 11.725), (10.218, 11.119), (10.216, 10.689),
+                 (10.210, 10.412), (10.203, 10.305), (10.182, 10.225),
+                 (10.113, 10.183), (9.822, 10.165)])
+T1KQ = np.array([(800, 7.868), (900, 8.536), (950, 8.726), (980, 8.779),
+                 (1000, 8.788), (1020, 8.778), (1050, 8.729), (1100, 8.575),
+                 (1200, 8.115)])
+L0_DUAL = 10 ** (-7.142 / 20)
+L0_T1KQ = 10 ** (-18.063 / 20)
+
+
+def res_at(f_tone, fc, Q, gain):
+    w0 = fc * 2 * np.pi / FS
+    c, s = np.cos(w0), np.sin(w0)
+    p = (s * 0.5) / Q
+    a, a2 = p * gain, p / gain
+    A = [a + 1, -2 * c, 1 - a]
+    B = [a2 + 1, -2 * c, 1 - a2]
+    w = 2 * np.pi * f_tone / FS
+    z = np.exp(-1j * w)
+    return np.abs(2.0 * (B[0] + B[1] * z + B[2] * z * z) /
+                  (A[0] + A[1] * z + A[2] * z * z))
+
+
+def model(p):
+    Q, gain, pow_, D0, t500, t1000, t2000 = p
+    preds = []
+    for q in QS:
+        for f in (500.0, 2000.0):
+            r = res_at(f, 500, q, gain)
+            tilt = t500 if f < 1000 else t2000
+            c = DEPTH * tilt * D0 * (L0_DUAL / r) ** pow_
+            preds.append(-20 * np.log10(max(1 - c, 1e-9)))
+    for fc, _ in T1KQ:
+        r = res_at(1000, fc, 0.9999978, gain)
+        c = DEPTH * t1000 * D0 * (L0_T1KQ / r) ** pow_
+        preds.append(-20 * np.log10(max(1 - c, 1e-9)))
+    return np.array(preds)
+
+
+def run():
+    meas = np.array(list(DUAL.ravel()) + list(T1KQ[:, 1]))
+    r = least_squares(lambda p: model(p) - meas,
+                      [0.9, 4.24, 0.084, 0.5, 1.4, 1.5, 1.7],
+                      bounds=([0.1, 0.5, 0.001, 0.01, 0.3, 0.3, 0.3],
+                              [5, 12, 2, 5, 5, 5, 5]),
+                      max_nfev=5000, xtol=1e-10, ftol=1e-10)
+    Q, gain, pow_, D0, t500, t1000, t2000 = r.x
+    rmse = np.sqrt(np.mean((model(r.x) - meas) ** 2))
+    print(f'JOINT FIT rmse={rmse:.4f} dB  Q={Q:.3f} gain={gain:.3f} '
+          f'p={pow_:.4f} D0={D0:.3f}')
+    print(f'tilt: 500={t500:.3f} 1000={t1000:.3f} 2000={t2000:.3f} '
+          f'(ratio 2000/500={t2000 / t500:.3f})')
+    pred = model(r.x)
+    print('--- dual_b1q ---')
+    for i, q in enumerate(QS):
+        print(f'q={q:5.1f} red500 {DUAL[i, 0]:7.3f}/{pred[2 * i]:7.3f}  '
+              f'red2000 {DUAL[i, 1]:7.3f}/{pred[2 * i + 1]:7.3f}')
+    print('--- t1kq fc-scan ---')
+    for i, (fc, m) in enumerate(T1KQ):
+        print(f'fc={fc:5.0f} {m:6.3f}/{pred[22 + i]:6.3f}')
+
+
+if __name__ == '__main__':
+    run()
diff --git a/roadmap.md b/roadmap.md
index 368aeac..647cbed 100644
--- a/roadmap.md
+++ b/roadmap.md
@@ -348,3 +348,79 @@
   sin vs x — на харнессе (Q_eff ratio 0.96/0.70 vs 1.25/0.75 при q=0.1/1.0).
   Несоответствие формы t1kq_only (D(800)=−0.92 при Q=0.99999; case8 даёт ~0) — полоса на тон
   шире биквада → учёт WOLA/region-smoothing маски (п. B.4) + Q_eff-маппинг — следующий шаг.
+
+### B.8 — Форма полосы case8: КОРРЕКЦИЯ (middle=-2c) + freq-axis маска (2026-08-18)
+- **ИСПРАВЛЕНИЕ B.7**: в `FUN_180533ec0` средний коэффициент = **-2·cos(w0)**, НЕ -0.5·sin(w0).
+  В B.7 перепутаны c/s. Правильная форма (проверено, rmse=0.007 dB на t1kq_only1):
+  `w0=2π·fc/fs; c=cos(w0); s=sin(w0); p=(s·0.5)/Q; alpha=p·gain; alpha2=p/gain;
+  A=[alpha+1, -2c, 1-alpha]; B=[alpha2+1, -2c, 1-alpha2]; mask(f)=|2·B(e^-jw)/A(e^-jw)|`.
+  Свойства: |2B/A|=2 (+6.02 dB) на DC/Nyquist, NOTCH на fc (gain>1), ширина ~1/Q.
+- **Freq-path (FUN_180530850)**: близнец вызывается НАПРЯМУЮ `FUN_180535880(out=0x540708,
+  buf=0x5406f8, coeff=case8(fs, 8000.0, Q=1.0), in=0x540718, N=513)`, N=NFFT/2+1;
+  затем copy 0x540708→0x5406f8 (0x1805355d0) и `×=` warp-axis 0x5406a8 (0x18052d990).
+  warp-axis 0x5406a8[i] = x/(1+x/f9), x=f_bin/2000 (f_bin=i·fs/1024), f9=cdc().
+  => **mask(f) = |2·B/A|(z=rotor(входная ось)) · (f/(f+2000)-warp)**.
+- **Level-path (FUN_18056e3e0, per-band)**: normalize вход × 2π/(os·sr) (0x180006e40 = обычный
+  скалярный mul, НЕ frequency-ramp — проверено декомпиляцией), близнец на буфере 0x400,
+  product активных полос → out. Вход в FUN_180563440 = LUT-рампа [0,1] (шаг 1/1023) из
+  кривой param_1+0x188 → это УРОВНЕВАЯ LUT-маска (B.4), не аудио.
+- **Численные согласия**: t1kq_only1 rmse=0.007 (Q_eff≈1.39-1.48, gain≈1.19-1.2); t1k_b1f
+  Q_eff≈1.03, gain≈1.39; t1kq_b1f Q_eff≈1.11, gain≈1.29. sens=12→gain≈1.2-1.4 (НЕ 3.98).
+  Глубина вреза = f(уровень входа) → задаётся level-путём; форма (Q_eff, notch) — freq-путём.
+- **ОТКРЫТОЕ ПРОТИВОРЕЧИЕ dual_b1q**: red@500≈10.2 const, red@2000=15.22→10.16 (q=0.1→10).
+  red2000>red500 при q<1 НЕВОЗМОЖЕН для любой маски-нотча |2B/A|(·warp) (врез=минимум, warp
+  f/(f+K) усиливает cut на 500). Все 4 rotor-мода + warp дают red2000<red500. => В dual есть
+  второй механизм (спектральный наклон/уровень-маска per bin: 2000 Гц выше по f/(f+2000)>0.5
+  → нормированный уровень выше → глубже крас). Нужен full-харнесс обоих путей.
+- **Константы**: DAT_1824c4380=8000.0 (double, фикс-freq default-генератора), DAT_1824c45b4=2000.0,
+  DAT_1824c4110=2.0, DAT_1824c3e50=0.87, DAT_1824c3c54=1/1023 (LUT-шаг), 0x180006e40/0x180004720=
+  double/float pointwise scale, 0x1805355d0=copy, 0x18052d990=double pointwise mul.
+
+### B.9 — Level-path ЗАМКНУТ: потребитель per-bin весов + warp-ось sigmoid (2026-08-18)
+- **ПОТРЕБИТЕЛЬ НАЙДЕН**: per-bin веса 0x5406b8/6c8/6d8/6e8 применяются в **FUN_180529fe0**
+  (per-block спектральный применитель, 5 каналов, ключевой DSP-цикл). Для каждой полосы:
+  1) `0x540678[band] *= (amp/sr)·0x540870` (уровень×sens); 2) IIR-сглаживание спектра
+  (состояния 0x540528/2c04f8/3404f8/4c0528/440510 — per-bin level-трекеры); 3) резонанс
+  полосы в 0x5406f8 (каскад 0x540688-коэфф); 4) `0x5406f8 *= 0x540698 (freq-ось) *= 0x5406a8`;
+  5) **`0x5407c8[band] += 0x5406c8[i]·contrib` и `+= 0x5406e8[i]·contrib`** (0x180003c40);
+  6) накопление с 0x540678[band]; 7) dry/wet `0x1c[band]`; 8) FFT-свёртка в time-domain
+  (FUN_180535a70, FFT-таблицы 0x540548/550/598, out 0x540668).
+- **Точная формула весов (FUN_180530d30)**: `iVar6=NFFT/2+1; fVar12=2000/(0x24·0.5)=0.1`
+  (p24=40000 из конструктора); `fVar9=cdc(51.3/(i+1))` (=exp(51.3/(i+1)));
+  `fVar11=0x540880·0.25·fVar9·fVar13` (fVar13=4); `w=log10(0.1, 1/(exp(1/(1+fVar11/(4·0x540880))·fVar11)·dVar1))`.
+  Численно: bin500 w≈2.49 (1-w=-1.49), bin2000 w≈1.60 (1-w=-0.60) — частотно-убывающие веса.
+- **warp-ось 0x540748 НЕ f/(f+K)**: `buf[i]=8.3-7/(1+exp((min(i/n,1)·20000-120)·(-0.01)))`
+  ≈ 1.3 (плоско, DC-буст 6.68 на бине 0). Гипотеза warp=f/(f+2000) из фитов — ОТМЕНЕНА.
+- **Частотная ось 0x540698**: log-интерполяция (0x5406f8 ×= 0x540698). Фактическая freq-
+  селективность маски = |резонанс|(bin) × freq_axis(bin) × level_weight(bin).
+- **FUN_180535ae0=конструктор**: 0x540874=1.0, 0x54087c=0.5, 0x540884=1.0, 0x54088c=1.0,
+  0x540894=1.0, **0x24=40000.0f**, 0x5408ac=0x01000000. FUN_180535f10=деструктор.
+- **МОДЕЛЬ dual_b1q (закрыта структурно)**: mask(bin)=|резонанс_полосы|(bin)·freq_axis(bin)
+  ·level_weight(bin, 2000/f_bin). На 2000 Гц level_weight иная, чем на 500; при низком Q
+  резонанс шире → вклад 2000-бина растёт → глубже крас. Численная проверка — следующий шаг
+  (standalone-харнесс FUN_180529fe0+530d30+твин).
+- **Декомпиляции**: /tmp/consumers_out.txt (FUN_18052e9b0, FUN_180529fe0, FUN_180535ae0,
+  FUN_180535f10), /tmp/twin_out.txt (близнецы 0x180535880/0x180536f90 — 3-фазные драйверы),
+  /tmp/spec_out.txt (FUN_180529ef0=deferred-обновление параметров), /tmp/det/level_notes.md.
+
+### B.10 — ЧИСЛОВАЯ ВЕРИФИКАЦИЯ МОДЕЛИ: парадокс dual_b1q РЕШЁН (2026-08-18)
+- **Единая модель** (совместный фит 31 точки, rmse=0.109 dB):
+  `red(f) = -20*log10(1 - C(f))`,
+  `C(f) = depth · tilt(f) · D0 · (L0/res(f))^p`,
+  `res(f) = |2·B/A|(f; fc, Q, gain)` (case8/m2c, freq-path),
+  `tilt(f) = 1 - w(f)` (per-bin level-вес из FUN_180530d30),
+  `depth = 0.86397`, `L0 = уровень входа (линейный)`, `gain ≈ 10^(sens/20)`.
+- **Параметры фита**: Q_eff=0.900 (vs истинный q=1.0), gain=4.132 (≈sens12=3.98),
+  p=0.0847 (компрессивный level-LUT), D0=0.505,
+  tilt: 500=1.414, 1000=1.454, 2000=1.795 (ratio 2000/500=1.269).
+- **РЕШЕНИЕ ПАРАДОКСА dual_b1q**: red2000>red500 НЕ резонансом, а частотным НАКЛОНОМ
+  tilt(f)=1-w(f) (растёт с частотой). Резонанс входит как (L0/res)^p — "excess над уровнем
+  полосы" (на центре res минимален → excess макс → глубже врез). При низком Q res(2000)
+  мал → excess(2000) велик → крас глубже; при высоком Q res(2000)→2 → excess падает → крас
+  → уровень red500. Всё сходится.
+- **Согласованность с декомпиляцией**: tilt ratio 1.27 точно воспроизводится формулой
+  FUN_180530d30 при L=0.429, d1=0.078; gain=4.13 ≈ 10^(12/20); Q_eff≈0.90 близок к истине
+  (в B.8 сырой |2B/A| давал 1.39-1.48 — модель B.10 физичнее).
+- **Проверки модели**: dual_b1q rmse=0.127, t1kq fc-скан rmse=0.047, joint 0.109.
+  Уровневая зависимость (t1kq −18dB vs dual −7dB) в одних параметрах через L0.
+- **Файл**: `/home/m/re-tools/model_dual.py` — канонический совместный фит.