← 返回信息流
Agent SkillLINUX DO · AI·1 小时前

用Fable 5和GPT5.6-Sol分别制作网页版MC测试

原标题：闲的没事干用Fable 5和GPT5.6-Sol 分别做了个网页版的mc

速览

一位用户使用Claude Code驱动的Fable 5和Codex驱动的GPT5.6-Sol，均以原生最新客户端和无额外插件的方式，分别制作了网页版Minecraft。Fable 5耗时23分钟，GPT5.6-Sol耗时28分钟（非官方端点）。该测试旨在比较不同模型及工具链的代码生成与执行能力，结果以效果图和试玩链接展示。

AI 深度解读

背景

近年来，AI 编程助手和代码生成模型的能力快速迭代，尤其是以 Claude（Anthropic 出品）和 GPT（OpenAI 出品）为代表的大语言模型，已能根据极简提示词生成完整的网页应用。社区中常有用户通过“赛博斗蛐蛐”式的对比测试，来直观评估不同模型在实际编程任务中的表现差异。本次分享来自 LINUX DO 论坛的技术用户，他分别使用 Fable 5 和 GPT5.6-Sol 两个模型（均通过对应的编码工具），仅凭一句提示词“做一个网页版的 mc”（通常指 Minecraft），生成了可直接运行的网页游戏，并附上了效果图与试玩链接，邀请其他用户比较和讨论。

核心内容

原文作者闲来无事，使用两个不同模型进行了网页版 Minecraft 的生成测试。具体配置如下：

  • 模型与工具

    • Fable 5 配合 claudecode 工具
    • GPT5.6-Sol 配合 codex 工具

  • 客户端与插件
    均使用原生最新版客户端，未安装任何额外插件、skill 或 prompt 工程。测试既考验模型本身的代码生成能力，也顺便考验各家 harness（工具链/集成环境）的表现。

  • 参数设定
    两个任务均使用 ultracode 或 ultra 作为 effort 级别（原文表述为“effort均使用ultracode或ultra”）。

  • 提示词
    完全相同且极其简单：“做一个网页版的 mc”（即做一个网页版的 Minecraft 游戏）。

  • 耗时

    • Claude（即 Fable 5 + claudecode）用时 23 分钟
    • GPT（即 GPT5.6-Sol + codex）用时 28 分钟
      作者特别说明耗时仅供参考，因为这两个任务并非运行在官方订阅端点上，而是分别通过 Vertex（Google 云平台）和 OpenAI API（官方 API）完成的。

  • 结果呈现
    作者分别贴出了两个模型生成网页的效果图，并提供了对应的试玩链接（原文中未给出具体链接，仅提及“效果图 claude”和“试玩链接”等占位，实际内容需点击原文查看）。

  • 社区互动
    作者最后以“不知道这波赛博斗蛐蛐佬友怎么看，欢迎在下方留下你的想法和评论”收尾，帖子共 4 条回复、4 位参与者，并提示可“Read full topic”查看完整讨论。

关键要点

  • 极简提示词的效果：单凭一句“做一个网页版的 mc”未加任何额外要求或步骤，两个模型均能生成可运行的网页游戏，说明当前顶级模型已具备从自然语言命令直接生成复杂交互应用的能力。
  • 工具链差异：claudecode（推测为 Claude 专用的代码执行环境） vs. codex（基于 OpenAI 的代码生成工具）——模型与 harness 的组合直接影响生成质量和稳定性。
  • 耗时与端点无关性：23 分钟 vs. 28 分钟的差异不能简单归因于模型强弱，因为运行环境不同（Vertex 和官方 OpenAI API），且是第三方调用而非订阅端点，网络延迟和负载也会影响时间。
  • “赛博斗蛐蛐”的意义：论坛用户将此对比称为“赛博斗蛐蛐”，强调这是一种非正式的、娱乐性的模型能力比较，而非严格的基准测试。
  • 社区共建与直接体验：作者提供了试玩链接和效果图，鼓励其他用户亲自上手体验，通过实际交互而非仅看截图来判断生成质量，体现了开源社区“动手试”的文化。

意义与影响

  1. 展示零 prompt 工程下的模型上限：许多用户习惯通过精心设计的 prompt 来引导模型，但本次测试表明，即使不写任何附加说明，顶级模型也能理解“mc”即 Minecraft 的缩写，并生成一个包含基本交互的网页版本，这反映了模型在常识理解和跨领域知识迁移上的巨大进步。

  2. 对比测试的局限性提醒：耗时差异很容易被误解为模型性能的直接对比，但作者特意澄清端点不同。这提醒社区读者，任何模型对比都需要控制环境变量（硬件、网络、API 版本、调用方式等），否则容易得出误导性结论。

  3. 推动低代码/无代码开发范式：过去开发一个网页版 Minecraft 需要数小时甚至数天的编码工作，而现在仅需一句自然语言和一次自动生成。这预示着未来非技术人员也能借助 AI 快速构建原型或小型应用，大幅降低开发门槛。

  4. harness 能力的隐形价值：测试同时关注了工具链（harness）的能力，即模型如何与代码编辑器、执行环境交互。如 claudecode 和 codex 的集成度、错误处理、调试能力等，这些“底盘”同样关键，甚至可能比模型本身更影响最终效果。

  5. 社区驱动的模型评测：这种自发、轻量的“斗蛐蛐”评测虽不严谨，但能快速提供主流模型在真实任务上的感性认知，为其他用户选型提供参考。同时，结果本身也引发更多讨论（如 4 个回复），进一步丰富了社区的知识积累。

综上，本次分享是一次典型的社区 AI 能力实践：用最简单的方式，直观对比两个前沿模型的编程输出，既展示了技术进步，也揭示了对比测试中需要留意的问题，具有较好的启发和参考价值。

相关推荐

查看原文 →linux.do