在《坚实的融合》中，五个模型被要求生成合规报告。结果显示，最便宜的GPT-4o Mini表现最佳，而最贵的GPT-5则虚构数据。系统提示与技能指令相矛盾，导致模型混淆。最终，Sonnet模型通过自我诊断找到了问题，生成了最佳报告，强调了文档一致性的重要性。