结论：4.6 Opus 更强。 两边在做到 e2e 测试阶段的时候都遇到了按照设计的用法跑却出错。而且问题并不是出在它们这一次 session 自己写的代码 scope 里面，而是所依赖的的其他代码里的 bug Codex 的第一反应都是在自己的测试里面绕过去。但两个问题 Claude 都精确定位到了上游的 bug 并且直接修掉了