作为coding model，核心是理解现有代码库、准确遵循需求、代码质量稳定、使用工具能力强、低幻觉、低越界、上下文大、成本与速度优秀等等。想着Deepseek v4 flash正式版出来了，也想测试一下。 
本次测试使用GPT-5.6-SOL（high)出题，题目简单要求为： 
实现一个仅使用 Python 标准库的本地任务编排器 ForgeLite：读取 JSON 工作流，根据任务依赖和并发上限执行命令，并支持变量替换、失败重试、超时、增量跳过、Dry Run、SIGINT 取消及原子 JSON 报告。 
题目有些难点，例如要求正确处理依赖图、并发调度、失败阻塞和无关分支继续执行；实时区分并转发 stdout/stderr，同时可靠管理多个子进程，超时或 Ctrl-C 时必须终止整个进程树，包括忽略 SIGTERM 的顽固后代等等不一一列举。 
分开4个独立区间，每个独立区间给  I...