说好的放慢AI脚步，怎么一转眼又开始神仙打架了？

报！整个美西北已经打成一锅粥了。

23 号凌晨，先是 Anthropic 甩出了 Claude Opus 5.5，强势登顶 AA 智力榜。

俩小时后，OpenAI 立马对掏 GPT-6 Sol 和 GPT-6 Luna，还以颜色。

世超也是赶紧上手测了一通，然后就发现，说 Opus 5.5 劲儿大没毛病，但 GPT-6 Sol 就差很多意思了，好在 GPT-6 Luna 发挥稳定，靠一手性价比才扳回点局势。

先看跑分，按理说，如果 Astra 对标的是 Fable/Mythos，那 Sol 怎么也应该跟 Opus 旗鼓相当才对。

但 AA 榜上，Claude Opus 5.5 几乎是一骑绝尘，比自家大哥 Fable 5.1 还高了 5 分。

反观 GPT-6 Sol 以及 Luna，基本就是跟上一代的打平而已，位置没咋动，可能就是 Astra 很常规的一次能力下放。

这不怕不识货，就怕货比货啊，就算 AA 榜单可能有水分，这差距看上去还是太大了。

这点在网友的测试中也很明显。

不说别的，虽然三个模型几乎是一起发的，但网上的案例大都是用 Claude Opus 5 跑的，顶多跟 GPT-6 Astra 或者 Sol 对比一下，至于 Luna，基本没声音。

其中比较多的是这种动画小短片，建模精细，动效也很自然，看着非常丝滑，尤其是转场节奏和纹理的质感，让人很难相信这玩意儿是纯代码搓出来的。

还有这个被 Three.js 官方转载的，可交互式的 3D 镜头拆解。

光线从树林景象那头一路穿过好几层镜片，打在成像板上。调整焦距光圈，还有对应的光路和成像变化，对物理的解析力和表现力都拉满了。

那跟 GPT 那边对比一下如何呢？

来看这个赛车游戏，Opus 5.5 无论是模型细节还是场景渲染，质感都要更高一筹，而且还有漂移和道具时刻的镜头特写，Sol 那边就有点捉襟见肘了，连 UI 都还是那种 AI Slop 的味道。

好家伙，敢情前些天说好的世纪大和解，一起放慢 AI 的发展节奏，到头来竟是 A/ 的缓兵之计？

诶，倒也未必，这事儿可能还有一丝丝反转的余地。

因为说实话，大伙儿测模型的时候一般是氪度拉满使劲蹬的，但真到了现实工作场景，这性价比的账还是得好好算算的。

AA 榜上也正好算了这么一笔，画风就跟刚才不一样了。

GPT-6 Luna 的价格以 0.07 刀强势触底，GPT-6 Sol 则是 1 刀；而我们尊贵的 Claude Opus 5.5 大人直接干到了 5.98 刀。

这种差距可不是光单价能拉开的，看 Token 消耗就能发现，Claude Opus 5.5 做任务相当吃 token，基本是 GPT-6 Sol 的 3 倍，Luna 的 2 倍。

不过这也符合现在模型的趋势，就是次旗舰虽然跑分看起来跟旗舰相当，但干活儿的时候很容易雷霆大思考，烧出更多 token。

那真实情况如何呢？

我们也跑了几个 One-Shot 的一句话任务，发现体感上 Sol 略拉，Luna 基本吻合，而 Opus 5.5 则大有惊喜。

比如让他们仨做一个动画，回顾爱因斯坦的一生，禁止用第三方工具，纯代码硬搓。

GPT-6 Luna 的效果有点像 PPT，就是幻灯片那种样式，非常模板化，左边是字，右边是图，切场景的效果甚至还是经典的渐入渐出。

画面绘制的没啥问题，配色也很讨喜，不过就是确实很难称之为动画。但考虑到这玩意儿全程就烧了 2% 的 5 小时 Plus 额度，也不好多做苛责。

再来看 GPT-6 Sol 的直出效果，呃，这就多少有失水准了，关键还消耗了比 Luna 多好几倍的额度。。。

仍然是那套 PPT 的思路做的，而且分镜，配色，动效跟 Luna 基本没差，米黄色的底子点缀一些来回晃荡的小组件。像是同一锅蒸出来的效果，调味儿一样的平平无奇。

不过翻看思维链，能发现点 GPT-6 Sol 的小巧思。

它会更在意工程的完成度，网页端搓完了，还要去手机端瞅瞅效果，额外适配一下，态度这一块儿很到位嗷。

而到了 Claude Opus 5.5 这儿，就完全不是一个画风了。

没有了突兀的左右分区，整个画面都围绕故事主线来设计，让人感叹，这特喵的才是动画啊。

我们的提示词里说的 “ 剪纸拼贴 ” 风格，它也真的搞出来了。仔细看钟表，星球和爱因斯坦这些组件，边上有小毛刺，背部打上了阴影，看着就有剪纸拼贴的立体感了。

而且动效也丰富得多，它能精准的为组件构造出合适的动画，小提琴能拉，水流和船能配合着浮动，就算是时空弯曲，也给你搞个引力井动画出来，解析力确实强，让人怀疑是不是专项特训了。。。

对了，整个动画做完，其实也就消耗了 30% 的 5 小时额度，反而没出现那种雷霆大思考，跟 AA 的评测略有出入。

接下来加大难度，让他们仨开发个网页小游戏，Minecraft 结合漫威蜘蛛侠的玩法，看看他们会怎么融合二者。

GPT-6 Luna仍然首发，耗时12分半，烧了2%的5小时额度就搓出来了，不愧是价格干到Astra百分之一的模型，就是耐用。。。

但质量么，也是一言难尽，虽然蜘蛛侠样子不赖，但整个城市的材质基本跟 Minecraft 没啥关系，更像是工业白模的风格。

尤其是两种玩法出现了机制上的冲突，光标被锁定在人物中心，没法拖出去。

我只好又花 3% 的额度去修了几轮 bug，修复完成后才算勉强能玩儿。

然后你就会看到透明的蛛丝，纯色填充的方块和凿不动的地底，金门大桥的建模也是相当简陋。只能说快是真的快，草率也是真的草率。。。

再来看 GPT-6 Sol 呢？

很遗憾，说它跟 Luna 是一个屉子蒸出来的真不冤，犯的毛病都一模一样。

约束不强的话，它还是偏爱这种风格的方块，而且左右方向的映射又反了，

不过 Sol 修 Bug 的效率还是比 Luna 高太多，基本一轮过去就能知道你要的是什么，但就是这个交付质量还是难崩啊。

相比之下，Claude Opus 5.5 搓出来的游戏就有点鹤立鸡群了。

开始菜单旁边放的是游戏的实时运行画面，一手环绕运镜，逼格拉满。

方块本身的材质，维持了 Minecraft 的样式，建筑的完成度也很高，基本是照着旧金山的景点搓的。

街道里还放了几辆车在跑，配合云雾缭绕的效果，氛围质感就上来了。

尤其是整个作品是一次性搓出来的，大概消耗了一个 5 小时的额度，除此之外，并没有来回 Debug，用起来相当丝滑。

所以从这些测试也能看出来，虽然 Claude Opus 5.5 看似跟 GPT-6 Sol 同代，但意图理解和执行效率明显都要高一档。而且额度开销也没想象中那么大，相比自家的 Fable 和隔壁 GPT-6 Astra，能更放心的多蹬几下。

而 GPT-6 Luna 作为执行模型，干点脏活累活也没毛病，毕竟性价比这块儿香的批爆。

至于 GPT-6 Sol，就略显乏力了，前端这块儿确实打不过 Claude Opus 5.5，只能看后续有没有别的路子能榨一榨它的潜力了。

不过话说回来，现在模型越来越多以后，追求一个模型大包大揽也没啥必要。

真实场景下，大伙儿还是组合着用居多，聪明的贵的去设定计划，便宜管饱的再拿来执行，怎么有性价比怎么来。

关于这件事，模型厂商显然也琢磨明白了，一方面像手机厂造手机一样，把不同价位段都给铺满，小中大杯甚至超大杯都有；另一方面，优惠大促的营销手段也开始搞起来。

这不，看着 Tibo 老哥猛发重置卡拉月活，Anthropic 也有样学样，模型发布的同时就给大伙儿安排上重置卡了。

只能说卷的好啊，毕竟大伙儿还是以订阅消费为主，所以比起什么 token 价格，倒不如多发几张重置卡来的实惠。

说起来，这次发布 Claude Opus 5.5 的时候，Anthropic 还引用了个社区作者的视频，讲的是一个蚂蚁种西瓜的故事，每次西瓜吃完，就会留下种子再种下一轮。

眼下 RSI 自进化的概念正搞得火热，这很难让人不浮想联翩啊，莫非这一代的 Claude，正在种出下一代？

不过是不是彩蛋也不重要了，反正模型进化的脚步看着是没咋放缓的，OpenAI 和 Anthropic 也还是那对老冤家，你追我赶，谁也不想让谁消停。

只是打到这儿，突然又想起还有位老朋友 Gemini。

身为远古御三家，隔壁都打成这样了，你就不打算支棱一下？

撰文：风华

编辑：江江

美编：焕妍

图片、资料来源：

X作者@devteamdrew，@RyanSael，@sawyerhood，Artificial Analysis，Anthropic，OpenAI，Claude，Codex，部分图源网络