我们让 Grok 4.5、GPT-5.5 和 Claude 构建了相同的应用程序

所有帖子 Grok 4.5 均于本周发布，xAI 称其为迄今为止最智能的模型，“与 Cursor 一起训练”用于编码和代理工作。互联网上最喜欢的检查新编码模型的方式是构建：给它一个提示，看看它会吐出什么应用程序，然后发布剪辑。所以我们做到了，但是做得很好。我们为 Grok 4.5 、 GPT-5.5 、 Claude Opus 4.8 和 Claude Fable 5 提供了完全相同的三个提示：为交互式应用程序构建一个独立的 HTML 文件（无库，无网络调用）。每人一枪，没有手持，没有迅速摆弄。然后我们将每个结果加载到真实的浏览器中，查看它并记录发生的情况。下面的每个剪辑都是模型的原始输出，您可以单击“实时播放”来自行运行实际生成的应用程序。关于失败的一条规则：如果应用程序根本没有渲染，我们只允许一次重试，并且我们会在使用它时告诉您。第 1 轮：可打乱和求解的 3D 魔方 使用“打乱”和“求解”按钮构建一个色彩缤纷、具有 3D 外观的魔方。立方体的旋转必须具有明显的动画效果。这就是中庸之道。它需要真正的 3D 数学、每面状态和动画，所有这些都在一个文件中。 Grok 4.5 GPT-5.5 Claude Opus 4.8 Claude Fable 5 现场播放：Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5 克劳德逃走了这个。 Opus 4.8 和 Fable 5 都制作了一个正确、颜色正确的 3D 立方体，可以通过动画转弯来打乱和解决，第一次尝试。 Grok 4.5 在这里遇到了麻烦：它的第一次尝试渲染了标题和按钮，但根本没有立方体（空白），所以我们花了我们允许重试的时间，第二次尝试生成了一个干净、彩色的 3D 立方体。 GPT-5.5 是个奇怪的例子，它只渲染一个几乎没有任何颜色的暗面，而不是一个完整的立方体。获胜者：《作品》和《寓言》，并列。第 2 轮：粒子重力沙箱 画布上的交互式粒子重力沙箱：数百个带有轨迹的粒子，单击会添加重吸引子。让它令人着迷。 Grok 4.5 GPT-5.5 Claude Opus 4.8 Claude Fable 5 现场播放：Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5 每个人都在这里提供了一个可以工作的沙盒，所以这取决于品味。 GPT-5.5 创造了最真正令人着迷的一个：发光的霓虹灯吸引子，带有密集的、旋转的彩色轨迹。 Grok 4.5 干净且在轨道上运行，具有整洁的吸引环和彩色条纹粒子。 《神鬼寓言 5》倾向于柔和发光的球体，而《Opus 4.8》则产生了最繁忙、最像网状的粒子场，物理效果很棒，但稍微不那么养眼。获胜者：GPT-5.5，基于共鸣。第 3 轮：可玩的打砖块游戏 画布上可玩的打砖块/打砖块：桨跟随鼠标，球打碎彩色砖块，并带有得分和生命。 Grok 4.5 GPT-5.5 Claude Opus 4.8 Claude Fable 5 现场演奏：Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5 平局。所有四个人都在第一次尝试中制作了一款精美的、实际可玩的打砖块游戏，其中包含分数、生命和发光的桨。 Grok 4.5 和 GPT-5.5 最倾向于霓虹灯街机外观（GPT 甚至在我们的脚本击球时得分）。如果我们要吹毛求疵的话，所有四个都是船舶质量的。获胜者：大家。收益：速度和成本 漂亮的演示是一回事；每个模型的运行成本是多少？我们使用自己的工具（三个固定提示，涵盖编码、推理和总结，每个提示 3 次，上限为 400 个输出标记）通过应用程序使用的相同提供程序路径自行测量。吞吐量是输出令牌与总挂钟延迟的比值，对每个提供商进行统一测量。模型 延迟中值 第一个令牌 吞吐量 成本/回复 成功 Grok 4.5 2.8s 0.44s 110 tok/s 0.002 美分 100% GPT-5.5 2.0s 1.26s 53 tok/s 0.004 美分 100% Claude Opus 4.8 2.6s 1.16s 47 tok/s 0.004 美分 100% Claude Fable 5 6.3s 3.47s 28 tok/s 0.009 美分 100% 这就是 Grok 4.5 的优势所在。它在不到半秒的时间内击中了第一个令牌，每秒传输约 110 个令牌（大约是其他所有令牌的两倍），并且是这堆回复中最便宜的，正是 xAI 所做的“单位时间和成本的智能”宣传。它的中位挂钟看起来只是中等水平，因为它很冗长（它为每个答案写了最多的标记），而且它的尾巴是尖的（~9s p95）。 GPT-5.5 在简短答案方面最为敏捷，Opus 4.8 处于平衡的中间位置，而《神鬼寓言 5》是最慢且最昂贵的，你为智力排行榜的顶部付出了代价。奖励回合：画一些奇怪的东西编码是一个轴；空间想象力是另一个。我们要求每个模型提供一个手工编写的 SVG（无光栅，无库），其中包含一个故意愚蠢的场景：一匹马骑在宇航员在月球上行走。角色互换，两个人物，一份文件。 Grok 4.5 GPT-5.5 Claude Opus 4.8 Claude Fable 5 原始 SVG：Grok 4.5 · GPT-5.5 · Opus 4.8 · Fable 5 Fable 5 抢尽风头：一匹戴着牛仔帽的马大喊“头晕了，人类！”一名驼背的宇航员喘息着“哈……哈……”。这不仅仅是绘画，那是喜剧。 GPT-5.5 紧随其后，一匹高兴的马喊着“WHEE！”。 Grok 4.5 以色彩丰富、可读的场景干净利落地完成了任务。 Opus 4.8 绘制了一个特性