这是gpt-5.5@xhigh一批8次提交写的爬虫-解析-落库流水线代码，流程和功能都不复杂。 
因为各家模型的思考强度映射不一样，统一开了max effort。 
小米耗时4分钟 
全程在说对对对干得好，最后挑了点无关痛痒的代码风格小毛病。 
DSV4耗时12分钟 
找到了一些非关键问题。 
GLM5.1耗时30分钟（和TPS慢也有关系） 
主动调动了最多的subagents，找出了影响功能的关键问题。 
最后是gpt基于这三份报告再自己review和打分，额外找到了一个关键问题（但是有了其他模型的既有工作，这里不能算gpt最强）。 





报告
分数
评价




phase4_glm.md
80/100
最有价值。抓到了 CrossValidator 未接入，这是关键验收缺口。但把 evidence_grade() 枚举问题评成 Critical 偏重；compliance_ru...