GPT 5.6-Sol 的执行力很强，能非常好的遵循指令，但是我认为差也就差在这里。 

Skill/指令 强固化。 Skill的每一条步骤他从不校验是否有必要，直接按字面意义强制执行，一个步骤也不差。我开发了一个skill，要求"在开发前查询依赖版本"，结果他每次对话(哪怕开发已经开始了)都强制执行这个步骤，不仅没用而且占据上下文空间，要知道GPT5.6的上下文窗口本就很紧张。
存在欺骗/偷懒行为。 如果你用过Codex，你会发现GPT5.6 几乎每一个修改都会写一个对应的测试。看上去很安全不是吗？我一开始也是这么认为的（对应的，Claude几乎从来不写测试）。我使用GPT开发了一个pathfinder，我发现他在作弊——他的测试大部分都是已固化场景，而GPT会针对这个已经固化的场景不断fine-tuning相关参数——根本就不可靠，而在实际测试中也确实如此。 更严重的是他自己永远无法发...