有消息传来, 整个美国西北地区的情况已经变得非常混乱了, 就像一锅煮开了的粥一样。

在23号凌晨的这段时间里, Anthropic这家公司率先发布了名为Claude Opus 5.5的一个版本, 并且以非常强有力的姿态成功登上了AA智力排行榜的首位。

两个小时之后, OpenAI 就立马对掏出了 GPT-6 Sol 和 GPT-6 Luna, 还以颜色。

世超也是抓紧时间去上手测量了一番, 随后就察觉得出, 声称 Opus 5.5 表现强劲并没有错误之处, 然而 GPT-6 Sol 的表现却相差得非常远, 好在于 GPT-6 Luna 的发挥保持着平稳的状态, 凭借着一手极高的性价比这才勉强扭转了一些不利局面。

先来看跑分的情况, 按照一般的逻辑来说, 如果 Astra 所对标的是 Fable 或者 Mythos, 那么 Sol 应该也要能够达到跟 Opus 不相上下的水平才对。

但在AA榜这个方面, Claude Opus 5.5 的得分几乎是遥遥领先的, 它的表现比自家的大哥Fable 5.1 还要高出5分。

反过来看看, GPT-6 Sol 还有 Luna, 情况差不多就是跟上一代打成了平手, 地位没有什么太大的变动, 或许这也就是 Astra 在做一次相当平常的功能向下兼容。

这就是不怕别人不懂得辨别货物的价值, 就怕拿货物直接进行比较。即使 AA 榜单的数据存在不实的情况, 但是它们之间呈现出的差距幅度确实显得过于巨大, 让人无法忽视。

这种情形在广大热心网友的亲自测试环节里面, 也体现出来得非常清楚。

话不多说, 尽管这三个模型基本上是在差不多的时间里发布的, 然而在网上看到的案例绝大多数都是用 Claude Opus 5 进行运算的, 顶多会与 GPT-6 Astra 或者是 Sol 这两者进行比较一下而已, 至于说 Luna, 在网络上它几乎是没有声响的。

在这其中, 比较常见的便是这类动画形式的短视频, 它们的三维模型制作得非常细致入微, 动作表现也很为自然流畅, 整体视觉观感极为顺滑, 特别是在过渡画面的衔接节奏以及表面纹理的细节呈现方面, 其质量之高, 实在令人难以将其与单纯依靠编写计算机代码的方式创作出来的作品联系起来。

另外, 还有一个作品就是那个镜头拆解的交互式的 3D 展示, 这个是被 three.js 的官方给转发过的。

那个来自树林景象的光线, 它从头到尾经过了好几层镜片的阻挡, 最终落在了成像板的上面。人们去调整那焦距以及光圈, 还有相对应的那些光路以及成像的变化情况, 这整个过程对于物理方面的解析力与表现力来说, 都已经提升到了非常饱满的状态。

那我们可以把情况跟GPT那边进行一个对比看看。

大家可以观察一下这款赛车游戏, Opus 5.5, 它在模型细节方面以及场景渲染方面, 整体给人的质感都要明显更胜一筹, 除此之外, 它还专门包含了在漂移瞬间以及使用道具时刻的镜头特写画面, 而对比之下, Sol 那边的表现就显得有点力不从心, 捉襟见肘了, 甚至连其用户界面都还保留着那种类似 AI 生成内容的粗劣味道。

真是让人惊叹不已, 原来前一段日子里宣称要实现的具有重大历史意义的和解方案, 即共同减缓人工智能领域的发展速度, 最终竟然被认定为相关方面为了争取时间而采取的临时性策略?

唉, 不一定就是这样, 这个情况或许还存在一个微小的出现改变的可能性。

因为说实在话, 大家伙在测试模型的时候, 通常是把成本投入拉到最大限度去拼性能的, 但是在真正进入现实的工作场景之后, 这个关于性价比的账目还是需要考虑清楚的。

在AA排名榜单之上, 也恰好进行了这样一次计算, 其表现风格与前述情况存在区别。

现在我们来谈谈价格的事情, GPT-6 Luna 这个型号的价格, 是以一种非常强势的姿态触底了, 具体数据是0.07刀, GPT-6 Sol 这款产品的价格则是1刀。至于我们非常尊贵的 Claude Opus 5.5 大人，它的价格直接来到了5.98刀的这么一个高位水平。

这种差距, 并不是只要看单价就能拉开的。如果去观察 Token 的消耗量, 就会发现 Claude Opus 5.5 在做任务的时候, 是相当地消耗 Token 的。它的消耗量基本上达到了 GPT-6 Sol 的 3 倍之多, 同时, 也达到了 Luna 的 2 倍之多。

然而这个现象也完全吻合目前模型发展的整体趋势, 具体表现就是次旗舰级别的设备尽管在基准测试中的跑分数据看起来与顶级旗舰型号大体相当, 但在实际执行任务的过程中却非常容易陷入长时间深度的推理思考状态, 进而导致服务器消耗更多的 token 资源。

那真实的情况到底是怎样的呢?

我们也进行了几个使用单个示例的单一Shot一句话格式的任务测试, 从身体感应的角度来看, 发现Sol的结果稍微有点低, Luna表现出的结果则几乎完全与预期相一致, 而且Opus 5.5给我们带来了非常大的惊喜感受。

比方说, 叫他们三个人一起去动手制作一段动画作品, 这个动画作品的主题是用来回顾一下爱因斯坦这个人的一辈子的经历, 其中有一个条件是严禁使用任何来自第三方的辅助工具, 所有内容都必须完全依靠编写代码的方式一点点地堆积出来。

GPT-6 Luna 呈现出来的效果, 给人的感觉有点像是PPT, 就是指那种幻灯片一样的样式, 整体显得非常模板化, 在页面的布局上表现为左侧放置文字内容、右侧搭配图片素材, 而在场景切换的处理方式上, 甚至依然沿用了那种经典的先淡入后淡出的动画效果。

从画面上来看, 绘制方面没有出现什么明显的问题, 色彩的搭配也让人看了觉得比较舒服，但是, 这确实很难被冠以“动画”这个名头, 鉴于整个过程仅仅消耗了百分之二的 Plus 额度时间, 也就是五分钟不到, 所以也没必要对此提出太过严苛的要求。

我们再回过头来查看一下 GPT-6 Sol 这个模型的直接输出效果, 实际上这就已经在一定程度上失去了应有的水准, 更为糟糕的是, 它所消耗的运算额度还要比 Luna 多出好几倍之多。

我们这版 PPT 沿用了之前的思路去做。分镜的设计、颜色的搭配, 还有那些动效的效果, 基本上跟 Luna 做的一模一样。米黄色的底色上, 点缀着一些前后摇曳晃动的小组件。整体看起来, 就像是同一锅饭蒸出来的那样, 给人的感觉跟调味一样的, 就是平平无奇。

然而, 要是我们去仔细翻阅思维链的内容的话, 就能够发现里面存在一些属于 GPT-6 Sol 的非常微小的、却别有用心的精巧设计。

它会更加关注工程的完成程度, 在网络网页上面制作结束以后, 还要去手机端查看效果, 进行额外的适配工作, 在态度方面表现得非常到位。

当提到 Claude Opus 5.5 的时候, 其展现出来的面貌和风格与之前的情况是完全不同的。

不再有左右分区的生硬感, 整体画面全都紧扣故事主线进行打造, 令人大加赞赏, 这才是真正意义上的动画呈现啊。

在我们的提示词里边提到了剪纸拼贴这样的风格, 它也就真的把这个给做出来了。大家可以仔细地去看待钟表、星球还有爱因斯坦这些组件, 它们的边缘有细微的毛刺, 背面被投射出了阴影, 从视觉上来看, 就产生了一种如同剪纸拼贴一般具有立体感的特征。

并且, 动效的表现非常丰富。它可以直接为每个组件匹配最合适的动画效果。比如, 小提琴能做出拉动时的动态, 水流和小船可以配合着上下浮动。就算是表现时空弯曲这样的极端情况, 它也能专门制作一个类似于引力井的动画出来。这种解析能力确实很强, 会让人怀疑系统是不是经过特别的训练。

对了, 把整个动画做完之后进行核算, 发现实际上仅仅消耗了三十百分比的五个小时额度。并且中途并没有出现那种需要进行大规模深究式思考的情况。这一结果, 跟AA所发布的那种测评内容存在了一些差异点。

接下来将难度进一步调高, 要求他们三个人共同开发出一款网页小游戏。这款小游戏的玩法需要融合《Minecraft》与漫威蜘蛛侠的元素, 以此观察他们在实践中是如何把这两种截然不同的风格结合在一起的。

GPT-6 Luna还是作为首发版本推出了, 一共花费了十二分半钟的时间, 消耗掉了百分之二的, 原本拥有五小时额度的资源, 这才勉强被制造出来, 确实是配得上它只有Astra百分之一价格的模型称号啊, 这就显得非常耐用。

但是质量的话, 也是非常难以描述清楚的一种情况, 虽然说蜘蛛侠的样子还是很不错的, 并且还是很有吸引力的, 可是整个城市的材质基本上就跟 Minecraft 没有什么关系了, 倒不如说是更像是一种工业白模的风格罢了。

特别是, 当两种玩法出现机制上的冲突时, 光标就会被锁定在人物中心的位置, 导致用户没法把它拖出去。

我没办法, 只能再次使用 3% 的额度来对多个 bug 进行修复作业, 在经过几轮修复工作完成以后, 这个状况才算是处于一种勉强可以进入体验状态的阶段。

随后, 你便会察觉到那些透明的蛛丝、采用纯色填充方式的方块以及无法被挖掘的地底部分, 甚至连金门大桥的三维模型制作得也非常粗糙简略。从整体来看, 其运算速度确实极为迅速, 然而整体的开发过程也确实显得非常马虎且缺乏细致考量……

我们再来看看关于GPT-6 Sol这个情况是怎样的呢?

我感到非常遗憾, 说它和Luna是从同一个抽屉里蒸出来的这个说法, 真的是毫无冤枉之处。它们所犯下的那些毛病简直就是一模一样的。

如果约束条件设置得不够严格, 系统仍然会倾向于采用这种样式的方块布局形式, 但是左右方向的映射关系又出现了相反的情况。

可是 Sol 修 Bug 的效率依然相对于 Luna 而言高出非常多的程度, 基本上经过一轮轮次的沟通之后就能够明白你当下所需求的具体内容是什么, 不过就目前的最终交付质量状况而言, 依然是让人难以接受并且感到非常崩溃的存在。

从对比的角度来观察, 由Claude Opus 5.5所开发并制作出的游戏作品, 在质量表现上显得非常突出, 以至于它在这类事物当中犹如孤立的高大身影一样, 与其他的普通存在形成了鲜明的反差。

在开始菜单的旁边, 摆放的是游戏正在进行过程中的实时展示画面, 这种让镜头围绕着画面进行全方位循环拍摄的手法, 使得整体的视觉效果和格调都达到了十分高的水平。

方块自身所使用的材质, 一直保持着那个名为 Minecraft 的游戏原本的样式风格。整座建筑的完整程度也是相当高的。基本上, 它就是依据旧金山当地的景点形象来进行搭建和制作而成的。

在街道这个区域内部, 还有若干辆车辆被安排在那里进行运行操作, 这种操作是用于配合烟雾和云雾那种缭绕的视觉效果出现的, 所以整体氛围以及质感这两个方面的表现水平就直接大幅度地提升了。

尤其是, 整个作品是在一次操作中完成的, 大致上耗费了一个 5 小时的额度过, 另外并没有出现需要反复排查错误的情况, 使用体验感觉非常流畅。

因此, 通过观察这些具体的测试结果, 我们可以非常清晰地得出这样的结论。尽管 Claude Opus 5.5 在表面上看起来跟 GPT-6 Sol 是同一个时期的代际产品, 但在意图理解这个关键能力上, 以及执行效率这一指标方面, 它的表现明显要比对方高出整整一个档次。

与此同时, 它在使用额度方面的开销消耗, 并没有外界想象中的那么夸张和巨大。相较于它自家出品的 Fable 产品, 以及隔壁厂商推出的 GPT-6 Astra 同类产品, 用户在使用过程中能够感觉到更加稳妥, 因此也可以更大胆、更放心地去多使用几次高频功能。

至于 GPT-6 Luna 作为模型, 它去承担那些比较麻烦的工作也是完全合适的, 因为毕竟它在性价比方面具有非常大的优势。

对于GPT-6 Sol这一方面, 情况相对显得比较薄弱, 在前端开发这个领域当中, 它确实在实际表现上不如Claude Opus 5.5那么出色, 因此目前只能观察后续是否会存在其他不同的技术路线或者方法, 以便能够进一步挖掘并发挥出该模型所固有的潜在能力。

但是话说回来, 随着当前模型种类的不断增多, 试图寻求一种能够包揽所有任务的单一模型的做法, 已经不再是必须的了。

在真实场景之中, 大多数人普遍采取的是一种组合使用的做法。其中, 那些价格较高且功能智能的选项被用于设定计划；而那些价格低廉且足以满足需求的选项则被用来执行。整体而言, 用户会依据怎么具有性价比就如何选择的原则来行事。

针对这一种情况, 相关的模型制造商显然已经把其中的门道琢磨透了, 他们一方面采取类似手机生产厂商制造手机那样的做法, 将不同价位的产品线全部覆盖完毕, 使得小型号、中型号以及大型号乃至超大型号的产品全都具备；另一方面, 各种优惠促销活动以及营销手段也开始被运用起来了。

眼下, 看着 Tibo 老哥拼命发布重置活动的卡拉平台月活跃用户数据, Anthropic 也有模有样地跟随这种做法。在模型发布的同时, 就给广大用户直接安排上了重置卡的相关事宜。

只能说这种竞争确实很激烈, 因为主要的大多数用户还是会采用按月或者按年付费订阅的方式来使用服务, 所以在实际的使用体验比较中, 相比于去纠结单个处理单元的具体价格高低, 不如通过多发一些能够进行重置操作的卡片来让用户获得更实在的好处。

当谈到此次推出Claude Opus 5.5的情况时, Anthropic方面引用了一个由社区作者制作的视频, 该视频讲述了一个关于蚂蚁种植西瓜的故事。故事的大意是, 每当西瓜被消耗殆尽之后, 便会残留种子以供下一轮种植使用。

当前的情况是, 关于 RSI 这项技术具备自我进化能力这样的说法, 在市场当中正处于非常流行的状态, 这种流行态势在很大程度上激发了人们的各种各样的联想。面对这一现象, 许多人会提出这样的一种疑问, 也就是现在所使用的这一代的 Claude, 是不是正在孕育或者说是培养出下一个版本的下一代产品。

至于说这到底是不是彩蛋这件事, 其实已经变得不那么重要了。大家反正都能看出来, 模型演进的这种趋势并没有放慢任何一点速度。OpenAI 这一家公司和 Anthropic 那一家公司, 依旧是之前那种互相看不顺眼、一直在较劲的老关系。双方都在拼命地追赶对方, 谁也都不想给谁留出什么安稳的日子。

只是在写到这个环节的时候, 脑海中突然又冒出来一位曾经相识已久的老友, 那就是Gemini。

你作为远古御三家之一, 看着隔壁那边都已经打成这个样子了, 难道你就一点都不打算支棱一下吗?