GPT-5.5 更换四种编码框架实测：框架对成绩影响超预期

Reddit 用户 Polarline 固定 GPT-5.5，在 5 个任务中各运行 3 次，对比 Claude Code、Codex、OpenCode 和自家 Scout。实验显示，框架对表现的影响超出预期，尤其体现在多步骤任务上；Scout 的数字纪律最差，所有框架都容易编造数字。作者同时承认这是自建小基准，任务也由自己挑选。