GPT-5.6, Grok 4.5, Claude, and Muse Spark build the same 4 apps
2 days ago
- #performance benchmark
- #AI model comparison
- #coding tasks
- 在一场构建比拼中，12款AI模型（包括GPT-5.6系列、Claude、Grok、Muse Spark以及开源权重模型）接受了四项编码任务测试：一款类《毁灭战士》的光线投射器、3D魔方、计算器和康威生命游戏，外加SVG绘图任务。
- GPT-5.6 Sol在光线投射任务中表现突出，5次尝试全部可运行；Claude Fable 5以5次无差错解魔方领先。GPT-5.6 Luna在延迟和成本方面表现出色，响应时间约1秒。
- 开源权重模型（如Qwen 3.7 Plus、GLM-5.2）在复杂任务（如光线投射器和魔方）上表现不佳，但在低成本处理简单任务（如生命游戏）时表现亮眼。
- Grok 4.5因其成本效益受到关注，部分任务达到'Opus级别'水平；Muse Spark 1.1虽偶有惊喜但表现不稳定。
- 前沿模型（GPT-5.6 Sol、Claude Fable）在复杂任务中占据主导，但结果因任务而异；开源权重模型适用于成熟度较高的问题。
- 所有尝试结果均已公开供用户评估，强调透明度而非单一客观结论。