為什麼明明是能力更強的新模型，遇到模糊或重複的指令時，反而比舊模型更容易出現「想太多」或僵住的情況？

這個現象背後的核心原因，在於新模型具備更高的「指令遵循度」與上下文敏感度。舊模型在面對模糊或衝突的指令時，常常會自動忽略不合理的部分，直接憑「經驗」挑選一個合理的做法去執行。雖然看起來流暢，但也容易產生預期之外的行為。相反地，新模型會非常認真地評估你寫下的每一句規則。當系統同時存在多條稍微重複或互相矛盾的限制時，新模型會將這些條件加總視為嚴格的安全性警示。為了確保不犯錯，它的演算法偏向選擇「暫停並尋求確認」，反而導致執行卡住。因此，模型越聰明，我們提供給它的行為邊界與權限邏輯就必須越精確無誤。