Salesforce benchmark，發現前沿 LLM 找自家程式碼隱性 bug 成功率不到 50%，本文「驗收不交給小模型」的依據。
Claude Code 20x 配額大概四天就見底。把規劃留給 Claude Code、批次小任務丟給 LiteLLM 上的便宜 worker、再用 Codex 雙重驗收——這套「換掉模型、留下介面」的工作流，順便看看其他家模型真正拿來幹活的水準
2026年5月22日