语言模型
Claude Fable 5.2 与 Opus 5.5 怎么选
用代码审查和长任务衡量两档模型的交付质量、耗时和调用费用。
设计验收题
给两边相同的改动、测试命令和验收条件，分别保存每个模型提交的补丁。统计复现成功的问题数、误报数，以及补丁有没有破坏原有测试。
把成本换成每个可用结果
把用量、耗时和需要人工复核的工作放到同一张表。若日常任务的结果达到同一验收线，用较低总成本的模型。长任务容易丢上下文时，用中途换约束、恢复工作和读取旧文件来测试。
对照测试提示词
审查这段改动。只列出能从输入复现的问题，并为每个问题给出失败条件和最小修复。