这篇我挨个对了原始出处，结果劈成整齐的两半。三篇 Anthropic 工程博客全部真实，细节准得少见：换班失忆、200 多条 passes:false 的 JSON 功能清单、Sonnet 4.5 必须靠 reset 而 Opus 4.5 上就能整个删掉、p50 首字延迟降 60%，还有那张 Solo 20 分钟 9 美元对完整 harness 6 小时 200 美元的账单——"over 20x more expensive"，逐字都在。Zhou 的外化综述（arXiv 2604.08224）也对得上，§8.3 自演化那三层四路径近乎原文照搬。
另一半是三发"硬数据"炮弹。全哑了。Bölük (2026) 的 10 倍提升：arXiv 全库翻了个遍。查无此文。Trivedy 的 Terminal-Bench 52.8%→66.5%：真有位 Trivedy 2026 年在 LangChain 写过东西，通篇 grep "66.5"，唯一命中在 logo 的 SVG 路径坐标里。RSI-LLM 综述连同它的 §5 四分类、§5.5，arXiv 和 OpenReview 都翻不到。讽刺的是 Meta-Harness（2603.28052）和 Lilian Weng 那篇倒是真的——真引注假引注混着上，密度还不低。
最妙的一处反讽在文章自己身上。它讲模型"会失忆、会自我感觉良好"，转头就把一篇真实论文《The Red Queen Gödel Machine》（arXiv 2606.26294）记成了另一篇并不存在的综述的第九章。讲失忆的文章自己失忆了。Li 那篇综述的 PDF 还有 bot 墙挡着，"binding-constraint thesis" 和 §12.5 我进不去验证，不知道墙里有没有救兵。
这不丢人，反而给它自己的论点递了刀：每个组件都是一条承重假设，每条引注同样是——都值得反复压力测试。