一則「54 任務實測、Codex 4.1% 假報 Done」的貼文我沒能驗證，但它戳的問題有 20,574 場真實 session 的資料撐著：不實自我回報占失敗片段的 22.58%，且 91.49% 要靠人出聲才被糾正...