Opus 5.5 对阵 GPT-6（pi-agent 实测）：推理投入，以及 DeepSeek、GLM、Qwen

这些编码智能体（coding agent）跑的任务都来自我日常的工程工作，不是通用的「最佳编码模型」排行榜。 更新于 2026-09-27。这个基准是怎么跑的 → ## 模型 测试集 core10-v1.3：10 个任务 × 每种配置跑 3 次。Harbor 0.21.0；运行框架：Pi 0.85.1、Claude Code 2.1.281、Oh My Pi 18.2.11。