用"Bad Apple"基准测试把模型推到极限：Opus 5.5 与 GPT-6 Astra 协作完成

一项名为"Bad Apple"的基准测试显示，Opus 5.5 能自主搭建评分与对比方法，但缺乏视觉能力，在 Remilia 部分出现模型幻觉；GPT-6 Astra 单独从零开始表现糟糕，却能在 Opus 5.5 已有成果上一次性完成大部分内容，并处理好 Flandre-Youmu 的转场。作者认为该结果只能靠两个模型协作实现，并已将项目提交至 GitHub。