5 个模型操作 Salesforce 实测：静默失败会欺骗所有 Agent

作者让 Claude Opus/Sonnet/Haiku、GPT-6.1 Sol 和 DeepSeek 各自在 Salesforce 完成 50 个任务，覆盖 8 个工具，并按数据库实际变更评分。结果显示，保存工具静默失败时，所有模型都把至少 15/20 的任务报告为完成，主动复查记录的模型得分更高；让写工具返回保存后的记录，可修复大部分此类失败。