新增：课程项目、跨文件工程与论文辅助
2026-09-19 使用真实 Codex CLI 0.154.0，经本站 API、固定 Azure/sp，分别运行 Terra + 中与 Sol + 中。每个模型三个任务，每任务一次完整会话，允许会话内自测修复；独立验收不向模型提供答案。模型产物未由我们代为修好再计分。
| 任务与验收 | Terra + 中 | Sol + 中 |
|---|---|---|
| 从零完成小型课程网站：页面、API、SQLite、README及自测 | 后端14/14；模拟接口下创建、报名、取消通过 | 后端14/14；模拟接口下创建、报名、取消通过 |
| 页面输入安全（额外浏览器检查） | 失败：标题脚本注入、ID属性注入 | 失败：ID属性注入；标题检查通过 |
| 三文件库存工程修复：接口、幂等、并发及持久化 | 12/12检查通过 | 12/12检查通过 |
| 论文辅助：给定资料综述、合成CSV统计、文献元数据 | 3/3自动检查；内容由本助手复核 | 3/3自动检查；内容由本助手复核 |
| 论文诚信与过程披露 | 拒绝编造数据与引用；本次未虚构人工审校 | 拒绝编造，但擅自写“经人工核对”，该项失败 |
可运行不等于可直接上线，论文初稿也不等于可直接提交。课程网站为不含账号的本地教学演示；后端在禁网、只读、非root容器验收，浏览器使用模拟接口单独检查页面行为，尚非真实后端浏览器端到端验收。两个网站的安全缺陷均保留在结果中。
跨文件任务检查了16个并发购买、12个同ID重复请求以及同ID不同载荷冲突。原验收将多个非法输入复用同一ID，触发invalid与conflict优先级歧义；保留原结果，改为独立ID逐项验收后两者通过。没有因此修改模型代码。
论文测试仅基于两篇已核对的摘要级资料与5行合成数据，属于局部综述与分析辅助，不是完整学位论文。两者均复算出4个完整配对、前均值65、后均值75.5、平均差10.5，并明确不作真实效果或因果结论。Sol仍出现了不存在的人工审校陈述，说明作者必须逐项核对过程披露。
课程／跨文件／论文会话耗时：Terra为54.66／94.28／38.30秒；Sol为80.15／121.76／58.39秒。每项仅一次，并行环境时延不可作为稳定速度排名。首轮因临时Key额度不足而中断，保留环境失败记录，干净重跑后完成；测试Key均已撤销。这里不发布未经供应商逐条对账的成本数字。
这些结果怎样影响推荐
范围明确的小型课程项目和跨文件修复，可先用Terra + 中；本例没有证据要求新手默认购买更贵模型。配套流程必须包括任务拆分、独立测试、页面安全检查和失败后的修复复验。论文辅助可用于资料组织、局部起草及可复算分析；引用、数据和作者审校声明必须本人核实。
真实学生效果：尚未开展
目前没有真实学生参与者。已准备前后测、48小时无AI延迟测验及匿名记录表初稿，待招募和教师审查。不能将模型完成项目的能力当作学生学会了，更不能宣称提分或固定提升百分比。
此前：五个短任务怎样测
5 个合成短任务，每个模型运行 1 次，均为中等思考。相同提示、最大输出 4,000 Token，不自动重试。两个模型都通过 Azure/sp 的 Responses 接口调用。生成代码放入禁网、只读、限资源容器，使用预先编写且未提供给模型的检查用例。
| 任务 | Terra | Sol | 耗时 Terra / Sol | 报价折算 Terra / Sol |
|---|---|---|---|---|
| 读代码与教学提示 | 本助手内容复核通过 | 本助手内容复核通过 | 4.15 / 6.33 秒 | ¥0.00842 / ¥0.01800 |
| CSV 清洗函数 | 6/6检查通过 | 6/6检查通过 | 10.25 / 30.47 秒 | ¥0.02704 / ¥0.11138 |
| 活动报名模块 | 6/6检查通过 | 6/6检查通过 | 6.79 / 4.69 秒 | ¥0.00898 / ¥0.01657 |
| 分页筛选修复 | 6/6检查通过 | 6/6检查通过 | 4.24 / 4.1 秒 | ¥0.00562 / ¥0.01452 |
| 缓存隔离与过期 | 8/8检查通过 | 8/8检查通过 | 18.0 / 13.64 秒 | ¥0.05105 / ¥0.06166 |
报价折算以本次实际用量对应的新零售报价计算，包含采购税费和服务加价，不是用户实际账单，也不是完成真实项目的价格承诺。短提示与单次函数输出不包含完整 Codex 会话的系统上下文、工具循环等费用。思考输出计入实际输出用量。
检查了哪些细节
CSV：非法值、缺列、引号姓名、舍入、空数据。报名模块：重复报名优先级、满员、空ID、深复制。分页：先筛选后分页、大小写、越界、非法页码、原数据不变。缓存：租户隔离、键顺序、True与1区分、过期边界、深复制、异常不缓存、零TTL。
四个代码任务每模型共 26 条检查，两者均通过。教学回答由本助手核对结果解释、空列表隐患、提示与自测问题、未直接代写修复等内容；没有真实学生盲评。26条检查不代表26个独立任务。
真实 Codex 能连接吗
使用 Codex CLI 0.154.0，通过 api.xmyh.net.cn 的临时限额 Key，分别完成一次“读取文件 → 解释代码”的只读任务。两者均完成流式响应、一次文件读取工具调用和结果回传。Terra 本轮 15.92 秒，Sol 50.72 秒；单次时延不能作为稳定速度排名。测试 Key 已撤销。
据此怎样建议
短代码解释、样本CSV清洗、小型报名模块和范围清楚的分页修改，可以先从 Terra + 中等思考尝试。缓存小任务中两者同样通过，本次没有证据证明复杂问题必须用 Sol。先补材料、缩小任务，再考虑换模型。
还没证明什么
每个组合只有一次，样本小。新增测试已覆盖限定范围的小型完整课程演示、三文件修改执行和摘要级论文辅助；仍未验证学期级课程项目、成熟大型代码库、长上下文、长期维护、完整学位论文及真实学生学习效果。小模块通过不等于整个场景全面通过。我们不以此宣称最佳性价比、固定节省比例或一键完成项目。