GPT-5.4 新颖性评审评测显示简化 Prompt 后成绩从 93.5% 降至 40.9%

一项新颖性评审评测显示，仅简化 Prompt，就让 GPT-5.4 的成绩从 93.5% 降至 40.9%，任务本身并未改变。Claude Opus 4.6 基线单次成本为 $2.59，低于专门构建系统的 $82.05，相差约 31 倍。复盘指出，复杂多模型系统未必优于调优基线，benchmark 报告应交代 Prompt 版本。