对比GPT-6 Sol与Luna构建同一API服务：Sol无论有无行为测试框架均10次全过；Luna无框架仅3次成功，有框架则10次全过，且每次成本比无框架Sol低33%。框架通过契约与测试提供可执行反馈，弥补小模型遗漏需求的问题。结论：能力较弱的模型宜全程使用框架，前沿模型可仅在最终验收时使用。