背景：企业自研系统，后台逻辑复杂。fastapi + postgres 
并不是为了测试，则是真实遇到问题，分别让两个模型解决。 

codex + gpt-sol 5.6 xhigh
kiro-cli + opus5 max

每一个问题都交给两个模型提方案，然后还是让这两模型评价两个方案 
结果 

gpt思考时间基本都在10~15分钟，opus5在3~5分钟
五次评价结论一致：gpt的方案明显好于opus5
opus5很诚实，gpt的方案给自己的好，虽然它知道另一个方案是gpt做的

本来对opus5期望很大，但是很拉，不知道是不是kiro的问题