对比Claude opus 4.6（来自Anthropic） gpt-5.3-codex（来自openai）思维链极力回避判断原本流程可能存在的问题， 发给codex一份脚本，让它判断存在的问题它会答非所问，除非明确指出哪里存在哪个设计逻辑问题（比如并不存在的参数），否则它只会继续叠屎山加代码，完全不关心代码是否可以跑起来 明明纸面跑分超过opus4.6，实际表现非常糟糕，vibe coding写出来的代码完全不能使用，作为opus4.6的下级agent表现倒是勉强可用
