用生产环境的异步竞态 Bug 拷打主流模型，看谁在装模作样
把一个涉及
下一篇
Claude Desktop 这种纯聊天框真的够用了吗？聊聊 Rowboat 的工作站思路 →
httpcore 异步取消机制、平时连日志都抓不到异常的连接池耗尽 Bug 丢给 DeepSeek V4 Pro/Flash、MiMo V2.5 Pro/Cheap、GLM 5.2 和 Kimi K2.6 跑了一遍，结果挺耐人寻味。这活儿不是简单的算法题，是真正在生产环境下会让人挠头的玄学问题。MiMo V2.5 Pro 表现得最像个“Bug 猎人”，直接精准揪出了 3 个 Bug；反倒是 DeepSeek V4 Flash 这种廉价模型，只花了 0.04 美金就把其他模型都没发现的逻辑漏洞给定位了，性价比逻辑确实没得黑。有个细节挺值得琢磨，所有模型在第一轮遇到这种架构级问题时，第一反应都是想着用“打补丁”的思路去清理出错状态，也就是所谓的 Cleanup thinking，这种应激反应挺像经验不足的初级开发。直到第二轮我介入，给点关于“原子状态管理”的提示后，它们才开始从系统架构层面去考虑如何预防。说白了，现在的 LLM 撸代码没问题，但真要处理复杂的系统级逻辑推理，还得靠人给点方向，指望它自己悟出架构设计还不现实。