同一份三题九版，评审赢家和我喜欢的不是同一个

敲钟原型里，我更喜欢的那一版，并不是技术评审选出的赢家。Claude 那套层层下落的计时挑战，手感更合我意；评审则更认可 Sol 在“敲击输入”和“反馈回传”之间更可靠的对应关系。

这个分歧正好是理解这九份作品的入口。GPT-6.1 Sol、Claude Opus 5.5 和 Gemini 4 Argon 各自实现了同样的三份浏览器命题：一个礼物封套、一间敲钟练习室、一个颜色语境实验。差异看得见，但最讨喜的界面只是结果的一部分。

九份都是公开的对比原型。三题分别是 Ring（敲钟）、Fold（折叠封套）、Blue（颜色语境）。

Ring：喜欢的手感，和更可靠的记录

敲钟命题里，六只合成钟分排演奏。你点一只钟的声部，跟着一条可见路径走，然后试着脱离引导自己完成。这给实现者留下了不同的侧重空间：计时交互、教学，或者对你实际敲了什么做出记录。

Claude 的 Ring 有我喜欢的那种运动感，图案沿屏幕层层落下，变成一场计时挑战。这一批里 Claude 的界面和动画最干净，这里尤其明显。静态截图只能展示层叠布局，判断运动感要看运行版本。

Sol 的实现是一间更小的练习室。它在评审中的优势在于“记账”：已输入的敲击、逐渐淡出的辅助、最终反馈三者保持连贯。Claude 能在演奏中对额外拉动做出反应，却在最终记录里把它们漏掉。讨喜的挑战和诚实的记录，是两件要分开检查的事。

Gemini 的 Ring 走的是大控制台路线。我觉得它的界面非常嘈杂，评审的反对意见更进一层：闪避方向的教学标签是反的，而且即使出现失误，仍把一条理想化的蓝线当作访客的实际表现呈现。这些是正确性问题，不是配色偏好问题。

Fold：动画承载了私人揭晓

礼物封套命题里，平面纸张和成品形状之间的关系很重要。命题还包含开盒时显现的一段留言。折叠动画可以展示物件成形，并把这次揭晓变成体验的一部分。

Claude 的 Fold 在我看来遥遥领先，差距不小。评审也偏好它在物件尺寸、展开图、开盒与可读盒盖留言之间的连贯。这一题上，设计偏好和实现评审难得一致。

Sol 的 Fold 是一间平易近人的纸艺工坊，但它的动画省掉了留言和实际的插槽插入。它把封套讲得更完整，却少了那个私人的开启瞬间。

Gemini 的 Fold 提供联动的几何视图、尺寸和大量控件。确有可看的东西，但它把简单的礼物包装活动做成了嘈杂得多的界面。

评审在每一版里都找到了实际缺陷：Claude 的浏览器打印状态陈旧，Sol 接受的留言文字过小，Gemini 的图案存在校准或边距问题。评审过程中没有真正打印并折叠纸张。最好的开盒体验，仍不是一个经过实物验证的盒子。

Blue：界面能跑，兑现可能落空

“无蓝之蓝”命题提出一件看起来是蓝色的斗篷，透过小孔应显现中性灰。三版里，没有一版让我觉得那块灰看起来是蓝的。

我大概更偏好 Sol 的 Blue，但只是略胜。图片、小孔和涂色活动都很清楚，它也加了不必要的文字和解释。这是我注意到 GPT 系列在放开手脚时的一种倾向，属于我的主观印象，不是在这批里跨模型测出的结论。

Claude 的 Blue 在我看来更紧凑干净。整体偏好 Sol 是个接近的选择，各有优劣。技术评审在 Claude 的工作台里看到了有用的探索，同时也发现它对灰色和“会读作蓝色”的效果给出了过度自信的说法。

Gemini 的 Blue 看起来不舒服、很嘈杂。它的仪表式呈现还用一堆被断言的感知数值包围图片。评审没有找到任何观察者测量或校准过的外观模型来支撑它的皮层感知色彩和诱导评分。屏幕上显示的 100/100 是界面自己的声明。

评审更偏好 Sol 作为示意工作室，但这并没有让它的灰在我眼里变蓝。控件能用、像素保留、布局讨喜，主观上的兑现仍然悬而未决。

提案阶段也有差异

实现之前，每个模型各提了五个想法，范围比“工具对游戏对科学”的整齐划分更宽：

• Sol：礼物封套、用日常声音做的循环乐器、街区水模拟、兄弟姐妹分厨房物件的虚构故事、单人双手排程工具。
• Claude：敲钟图案、靠夜灯导航、阅读时的历史照明成本、段落断行、房间与租金分配。
• Gemini：可打印的窗台日晷、历史调音、1814 年沉船调查的虚构、野火反向火模拟、颜色语境工作室。

Sol 提名了它的水模拟，我改选了 Fold。Claude 的 Ring 和 Gemini 的 Blue 提名与我的选择一致。随后三家各自实现了每个被选中的想法。十五份提案并不足以确立固定的模型性格，其中的科学与历史承诺是提案，不是已验证的结果。

九份实现来自九个独立的新对话，均在高强度设置下运行，Claude 和 Gemini 使用官方订阅命令行工具。它们共享每题命题和一次普通尝试，时长不固定，而工具、框架、系统指令和算力各不相同。已知的评分、打印和科学缺陷被保留。七个版本收到了匿名 Sol 评审的私下或未完成建议，九份全部作为对比原型公开。

对我来说，Claude 的盒子仍是决定性的那一版。Ring 留下了一个关于手感和可靠反馈的有用分歧。Blue 则留下了一个承诺效果的三套解释，而我一个都没看到。