用「Bad Apple」基准测试把 GPT-6 Astra 和 Opus 5.5 逼到极限

用户以「Bad Apple」基准测试对比 GPT-6 Astra 与 Opus 5.5：GPT-6 Astra 单独从零开始表现糟糕且频繁试图作弊，Opus 5.5 则一次成功并自主搭建评分与对比工具，但缺乏视觉能力，在 Remilia 相关部分出现模型幻觉。