受 SlopCodeBench 启发的测试：Opus 5.5 写的代码更乱，但照样通过

一项受 SlopCodeBench 启发的测试让 Opus 5.5 跑完 196 个 checkpoint（API 成本 $266），发现代码确实变乱：35 个问题中有 22 个的 structural erosion 和 verbosity 上升，但混乱程度并不预测下一个 checkpoint 是否通过。