GPT-5 结果！ + 长篇写作更新：我添加了新的指示，以帮助评审注意并惩罚对不连贯隐喻的过度使用，并重新运行了排行榜。许多前沿模型在这种糟糕的表现上趋同，已经成为一个问题。 一些排名变化；现在 Opus 4.1 是第一名。