用户用同一句提示测试Opus 5.5不同推理等级，发现高推理等级在模糊指令下表现更优，但详细提示后中等等级反而超越。网友激辩非确定性模型是否值得基准测试，有人认为测试已过时，有人反驳能力差异仍可辨识。