所以在玩這個大部分時間後，兩者都無法做到（預期中），但 GPT5 通過 Codex 放棄了很多，並且會崩潰（下面是例子）。話雖如此，最終有效的方法是讓 GPT5 根據 arxiv 論文創建詳細規範，然後審查 opus 代碼。

你必須知道自己在做什麼才能引導流量，而我不得不自己創建測試工具和通過標準，但它們的結合產生了與我現有版本相媲美的東西。如果我誠實的話，這是一個相當令人印象深刻的初步測試...