Wink Pings

同一段提示词,四个模型交卷:2.07 美元和 209.50 美元差在哪

Tony 用 Alpine Gold 同题跑 GPT-6.2 Astra、Sol、Fable 5.2、Opus 5.5。最便宜的一次 2.07 美元,最贵 209.50 美元;最快 30 分 47 秒,最慢 3 小时 02 分 54 秒。视频和账单都在。

Tony(@EnvolDev)发了一组同题对比。同一段 Alpine Gold 提示词,四个模型各跑一次,生成飞机场景。费用按 API 价格估算,时间来自运行日志。

模型费用耗时
GPT-6.2 Astra$9.6246m 14s
GPT-6.2 Sol$2.0730m 47s
Fable 5.2$209.503h 02m 54s
Opus 5.5$31.852h 45m 42s

Tony 放的对比视频在下面,画面里是这次 Alpine Gold 的飞机场景。

先看价差。Sol 这次 $2.07,Fable 5.2 $209.50,相差约 101 倍;Astra $9.62,比 Fable 便宜约 21.8 倍,耗时从 3 小时 02 分压到 46 分 14 秒。Sol 比 Opus 5.5 便宜约 15.4 倍,快约 5.4 倍。Tony 在回复里也补了一句,Sol 对 Opus 是 over 15x less money, over 5x faster。数字摆在这,Fable 的账单很难只靠电影感解释。

质量这边没有单一分数。评论区有人提到 Fable 5.2 仍最有电影感,Tony 回复同意,同时说 Astra 的飞机细节 unreal。另一位回复者说 Opus 5.5 仍是 real work 的首选,Tony 回应 Opus 仍是 solid pick,即使 Fable 5.2 已出。一次同题跑分能说明成本和速度,不能直接替所有人选模型。

测试边界也要写清楚。每个模型同一提示词、一次运行;费用是 API 等价估算;这条对比只含 OpenAI 和 Anthropic,没有 Gemini 4 Carbon。有人问 Carbon 在哪,Tony 说这条是 OpenAI vs Anthropic,早前 Alpine Gold 里 Gemini 4 Argon 是 $11.61、2 小时 01 分 35 秒。这个数据放在这里,读者能自己比较。

Tony 在之前的长文里给过一条规则:比较模型要看完成任务的成本,不只看 token 单价。这次结果又把这个规则摆了一遍。Astra 的 token 单价不低,但完成同一件活的总账单远低于 Fable;Sol 更极端,2 美元出头就跑完。贵模型仍然可能值得,前提是那点质量提升正好落在你要交付的东西上。Fable 这次在飞机场景上没把时间省回来,账单却高出一个数量级。

如果打算复现,别把单次结果当定论。Tony 在长文里建议冻结提示词、每次用空文件夹、记录工具版本和 effort、至少跑三次、盲评。这里只有一次运行,适合看方向和价差,不适合给模型排最终座次。

原帖:https://x.com/EnvolDev/status/2122803967272866254

长文:https://x.com/i/article/2120246086157881344

发布时间: 2026-11-18 09:29