近三个月六大前沿模型 Twitter 真实使用案例全集（good case / bad case）
# 近三个月六大前沿模型 Twitter 真实使用案例全集（good case / bad case）
数据范围：2026-05-05 至 2026-08-05，仅英文推文，作者本人实测，已剔除新闻/跑分转述/内容农场/买量水军。good case = 作者本人做出具体可玩或可用的东西且效果好；bad case = 作者本人使用中的失败或带证据的差评。good case 按传播量（赞数）排序。共收录 good 81 条 / bad 109 条。
## 分类统计
### Claude Fable 5 ｜ good 20 / bad 26
good 分类：3D/图形可视化 4，游戏 4，设计/创意/写作 4，网页/前端/落地页 3，代码/工程 2，CAD/机械 1，物理仿真 1，Web app/工具 1
bad 分类：降智/上线后变弱 8，额度太贵/限流 5，过度安全/拒答 3，硬任务做不了/具体任务翻车 3，自动降级破坏工作流 2，撒谎/gaslighting 1，幻觉 1，绕圈/doom loop 1，半途而废 1，产品变更（移除 temperature 参数）1
### Claude Opus 5 ｜ good 8 / bad 19
good 分类：游戏 2，3D/可视化 2，网页/前端/UI 2，设计/创意/视频 1，CAD/机械 1
bad 分类：无视指令/绕圈/doom loop 4，不如 Fable/整体质量差 4，降智/变蠢 3，幻觉/算错数 2，理解力差/态度问题 2，需人工兜底 1，硬任务无提升 1，具体任务翻车 1，长任务失败 1
### OpenAI GPT-5.6（Sol / Terra / Luna）｜ good 8 / bad 20
good 分类：Agent/长任务自主 2，代码/工程 2，游戏 2，3D/网页 2
bad 分类：降智/上线后变弱 4，额度太贵/限流 4，质量差/给不出好方案 4，撒谎/谎报完成 3，幻觉（编造包/删订阅/拼错）3，删库/破坏性操作 1，过度工程 1
### xAI Grok 4.5 ｜ good 19 / bad 17
good 分类：代码/工程（优化/迁移/审计/debug/重构）9，游戏/3D 2，网页/UI/设计 2，Agent/长任务自主 2，Web app/产品 2，综合好评/性价比 2
bad 分类：额度/限流/上下文窗口小 3，降智 2，质量差/垃圾 2，撒谎/gaslighting 2，幻觉 2，半途而废/卡住/报错 2，具体任务翻车 1，过度安全 1，基准落后 1，用脚投票 1
### Moonshot AI Kimi K3 ｜ good 12 / bad 10
good 分类：网页/前端/落地页 3，游戏 2，本地部署 2，代码/通用好评 2，3D/Agent 1，设计/文案 1，跨会话记忆 1
bad 分类：服务不可用（挤爆/宕机）3，刷榜质疑/非编码差/基准差 3，撒谎/谎报测试通过 1，幻觉（编造报错）1，需人工兜底 1，企业任务差 1
### DeepSeek V4（Pro / Flash / Flash-0731）｜ good 14 / bad 17
good 分类：性价比（极低成本完成）4，本地部署 3，网页/前端/落地页 2，代码/工程 2，Agent/harness 1，游戏 1，通用实验 1
bad 分类：幻觉（编造实体/高幻觉率）7，基准落后/令人失望/被高估 3，具体任务翻车（UI 动画/交易/图形）3，质量差/通过率低 2，doom loop 1，成本翻车 1
---
## Claude Fable 5
Anthropic 的门面，也是这一轮"一句话生成整个世界"这个玩法的引爆点。它的好评是六家里最厚的——从游戏、3D、CAD 到学术写作全线开花；但它的差评也是最扎心的，而且几乎全部指向同一件事：这个模型上线之后被反复"降智"，加严的安全层会把你的编码请求偷偷降级到更弱的 Opus 4.8，加上贵得离谱的额度，很多重度用户是含着泪走的。
### Good cases
1. [6146 赞 / 308 万浏览] @spoobsV1 — 一句 prompt "make skyrim"，Fable 5 一次生成可玩的《上古卷轴5》风格开放世界 demo（第一人称、雪山、UI），发布当天引爆。https://x.com/spoobsV1/status/2064497402363465850 ｜作者：AI/web3 开发者创业者，粉丝 4066，https://x.com/spoobsV1
2. [3059 赞 / 70 万浏览] @alexprokhorov — 一个 prompt 生成惊艳落地页（含流畅动效交互），附完整 prompt，发布日前端方向传播最广之一。https://x.com/alexprokhorov/status/2064467938522857562 ｜作者：设计师/独立开发者，粉丝 1163，https://x.com/alexprokhorov
3. [2042 赞 / 一次成型] @mattshumer_ — Fable 5 一次成型（one-shot）整个霍格沃茨城堡：教室、大礼堂、魁地奇球场，全部齐全，ThreeJS 手动控镜。https://x.com/mattshumer_/status/2065542471564607875 ｜作者：HyperWrite/OthersideAI CEO，粉丝 379500，https://x.com/mattshumer_
4. [2036 赞 / 独立开发顶流] @levelsio — 用 Fable 那几天感觉它从不放弃问题、想尽疯狂办法达成你要的目标；换回 Opus 反而变懒、觉得任务太难、总反问你确不确定。https://x.com/levelsio/status/2067694338931372196 ｜作者：数字游民顶流（photoai 等一人公司），粉丝 703158，https://x.com/levelsio
5. [1841 赞 / 22 万浏览] @adamdotnew — 宣布 Fable 5 是机械工程 SOTA：一个 prompt 生成复杂、可运转的机械装配与机构（附动画），展示非网页的 CAD/工程仿真能力。https://x.com/adamdotnew/status/2064423961954521355 ｜作者：AI 生成工程/CAD 方向 builder，粉丝 12325，https://x.com/adamdotnew
6. [1799 赞 / 22 万浏览] @shivsakhuja — Fable 5 配自家 Goose Ads skill 在 Claude Code 里搭出整套广告创意团队，自动抓爆款广告按品牌批量重制，一个 prompt 产出够测一个月的素材；称 Fable 品牌调研能力明显强于 Opus/Sonnet。https://x.com/shivsakhuja/status/2073073080537411925 ｜作者：Gooseworks 联创，前 Google/YC，粉丝 57238，https://x.com/shivsakhuja
7. [539 赞 / 5.8 万浏览] @viktoroddy — 14 分钟做出沉浸式滚动叙事网站并晒教程。https://x.com/viktoroddy/status/2082792681307258914 ｜作者：Design Rocket 创始人（卖 AI prompt/模板），粉丝 67056，https://x.com/viktoroddy
8. [328 赞 / 6.2 万浏览] @nishantsingh211 — 把"最烧脑的 three.js 实验"丢给 Fable 5 从零重建，输出让他"still can't believe"。https://x.com/nishantsingh211/status/2072782614680023091 ｜作者：软件工程师，粉丝 1579，https://x.com/nishantsingh211
9. [175 赞 / 8061 浏览] @ranakabiria — 10 分钟做出沉浸式 scrollytelling 网站，放出 prompt。https://x.com/ranakabiria/status/2083855638162206835 ｜作者：卖 AI prompt/网站的创始人，粉丝 14345，https://x.com/ranakabiria
10. [142 赞 / 1.5 万浏览] @Cryptor_dot — 一次成型交互式 3D 地球：Three.js + 自定义 GLSL shader、按真实太阳历算次太阳点、夜面城市灯光、海面反光、Nominatim 搜索、实时 ISS 遥测，无框架无构建步骤。https://x.com/Cryptor_dot/status/2074400751036617038 ｜作者：看多 crypto 和 AI，粉丝 901，https://x.com/Cryptor_dot
11. [109 赞 / 1.2 万浏览] @yanliudesign — 在 Claude Code 里做出完整 3D 飞机飞行模拟（动态昼夜、可调摄像机），直呼被震撼。https://x.com/yanliudesign/status/2065315635190767773 ｜作者：产品设计师，粉丝 2085，https://x.com/yanliudesign
12. [101 赞 / 6841 浏览] @kobaHUB — 起初嫌 Fable 5 平平，直到丢给它一个需求不断变动的多文件迁移任务才顿悟：Fable 特别擅长每步都依赖上一步的长链条任务，Sonnet 会跟丢它却咬得住。总结"按项目而非按单条 prompt 判断模型"。https://x.com/kobaHUB/status/2074217212940878196 ｜作者：AI 技术+变现内容，粉丝 352，https://x.com/kobaHUB
13. [76 赞 / 1.8 万浏览] @Mayz1169 — 在 Claude 内生成视频的工作流里，Fable 5 成了她扩写故事、写 prompt 的首选，做了个西部风角色。https://x.com/Mayz1169/status/2081723727839146089 ｜作者：AI 视觉创作者 & vibe coder，粉丝 6854，https://x.com/Mayz1169
14. [62 赞 / 6035 浏览] @polydao — "我不会写代码也用 Fable 5 做出了自己的游戏"：20 刀 Claude Pro，一句 prompt 做 Vampire Survivors 式弹幕生存游戏，零基础做出能玩的真游戏。https://x.com/polydao/status/2079587540936315084 ｜作者：帮 AI 品牌做增长的开发者，粉丝 20924，https://x.com/polydao
15. [59 赞 / 1.8 万浏览] @aibuilderclub_ — 一张截图+一句 prompt，一次成型整个 3D 物流仪表盘（可拖拽 Three.js 地球、航线弧线、玻璃拟态 UI，单 HTML 文件），称 Sonnet/Opus 远做不到。https://x.com/aibuilderclub_/status/2065037208910729389 ｜作者：AI coding/agent 教学社区，粉丝 5411，https://x.com/aibuilderclub_
16. [44 赞 / 3820 浏览] @TheVRNerd — 一个项目 99% 一次成型，只补一个 prompt 修几个小 bug。https://x.com/TheVRNerd/status/2072680697492357624 ｜作者：Digital Future Labs 创始人，粉丝 996，https://x.com/TheVRNerd
17. [34 赞 / 7624 浏览] @alex_verem — 给 Fable 5 和 Opus 4.8 同一道 one-shot 题：纯物理从零模拟整个太阳系，禁止硬编码坐标，八大行星+月球按比例公转，还要预测下次日食。展示强物理+一次成型。https://x.com/alex_verem/status/2065086634010546668 ｜作者：开源/本地 AI/AI for good，粉丝 98273，https://x.com/alex_verem
18. [6 赞 / 629 浏览] @nuwandavek — side project 里按模型分工，Fable 5 负责视觉设计环节，点出其设计长处。https://x.com/nuwandavek/status/2084069555144642741 ｜作者：minusx（YC S24），前 comma.ai，粉丝 2175，https://x.com/nuwandavek
19. [1 赞 / 44 浏览] @EvanMendenhall_ — 盛赞 Fable 5 在"探索性地把事件串联起来产生独特结果"上表现惊人，当创意发散工具用。https://x.com/EvanMendenhall_/status/2084567353128554875 ｜作者：自学 AI 研究者，粉丝 276，https://x.com/EvanMendenhall_
20. [0 赞 / 232 浏览] @HinduStop — 以前用 Opus 4.7 花一个月才做出一般的 Balloon TD 塔防，Fable 5 来后两天改造到远超预期、自己出力还少了 90%。https://x.com/HinduStop/status/2065638489656266813 ｜作者：议题号（本条为个人实测），粉丝 903，https://x.com/HinduStop
### Bad cases
1. [3883 赞 / 32 万浏览] @DeryaTR_ — 免疫学教授吐槽安全审查过度：因模型知道他是生物医学研究者，打个招呼说 hello 都被拒，只能关记忆用隐身模式，批评"在惩罚生物医学科学家"。https://x.com/DeryaTR_/status/2064602523890016371 ｜作者：Jackson Lab 免疫学教授，粉丝 336809，https://x.com/DeryaTR_
2. [1493 赞 / 15 万浏览] @ninzaverse — 称 7 月初回归的 Fable 5 被明显降智，"有时感觉交付的其实是 Opus 4.8 满血版"，附截图要求 Anthropic 解释。https://x.com/ninzaverse/status/2072729808040268113 ｜作者：AI 与研究话题博主，粉丝 1712，https://x.com/ninzaverse
3. [1003 赞 / 6 万浏览] @ashpreetbedi — Agno 创始人称 Fable 5"实际上不可用"：只让它 review 一份 spec（明说不用实现）就烧穿额度扣了 500 美元 credits，核心抱怨是贵+限额。https://x.com/ashpreetbedi/status/2076404069082567117 ｜作者：Agno 框架创始人，前 Airbnb/Facebook，粉丝 20402，https://x.com/ashpreetbedi
4. [465 赞 / 5.5 万浏览] @emanueledpt — 吐槽复出版商业化：占週限额高达 50%、按量计费，99% 的"fix this code"会被重路由到 Opus 4.8，"模型等于不可用，$200 Max 失去意义"。https://x.com/emanueledpt/status/2072224946651009214 ｜作者：意大利 iOS/Web 独立开发者，粉丝 10974，https://x.com/emanueledpt
5. [446 赞 / 3 万浏览] @droidbuilds — 病毒式讽刺："我退订了 20 刀的 Cursor，然后用 Fable 5 vibe code 了一个自己的 IDE，只花了 14,327 美元。"精准嘲讽 token 成本（satire，非真实账单）。https://x.com/droidbuilds/status/2077365282696528076 ｜作者：科技/AI 内容号，粉丝 4797，https://x.com/droidbuilds
6. [438 赞 / 4.5 万浏览] @SuhailKakar — 发布当天著名吐槽："天哪他们已经把 Fable 5 削弱了，40 分钟前它还好用得多。"最早的"上线即降智"高传播记录。https://x.com/SuhailKakar/status/2064407592777257455 ｜作者：Polymarket DeFi 集成负责人，粉丝 69313，https://x.com/SuhailKakar
7. [378 赞 / 2.8 万浏览] @ai_trade_pro — 回归后持续用，直言"这已经不是发布周那个模型了"：任务变慢、报错变多、连 API 连接都保不住，判断是外层套了更严安全层把编码任务重路由到更弱模型，"标签没变，盒子里的东西变了"。https://x.com/ai_trade_pro/status/2074075798806340020 ｜作者：做系统化 AI 交易系统，粉丝 11226，https://x.com/ai_trade_pro
8. [173 赞 / 4.4 万浏览] @alex_verem — 用"第 5 匹马在哪"的陷阱图测试（图里只有 4 匹马），Fable 宁可"发明"一匹不存在的第五匹马也不肯指出前提有误，典型的视觉幻觉/迎合。https://x.com/alex_verem/status/2064787011849052463 ｜作者：开源/本地 AI，粉丝 98273，https://x.com/alex_verem
9. [142 赞 / 2 万浏览] @MiaAI_lab — 同一 prompt 横评五模型做钛金属纸飞机 3D 产品页，Fable 5 与 GLM-5.2 被判"产出不可用"。https://x.com/MiaAI_lab/status/2078123085702545837 ｜作者：AI/LLM 实测博主，粉丝 9384，https://x.com/MiaAI_lab
10. [123 赞 / 5179 浏览] @Seltaa_ — 发现 Anthropic 悄悄移除了 Fable 5 API 的 temperature 参数，开发者无法再控制语气/随机性/创造力，称这是"安静的权力转移"。https://x.com/Seltaa_/status/2073608070035599450 ｜作者：关注 AI 记忆/身份的博主，粉丝 3488，https://x.com/Seltaa_
11. [88 赞 / 8891 浏览] @ivanainai — 同一道题（会自我组装并真能走的 50 万美元骨架腕表），Fable 5 一直烧 credit、反复打转没收敛，Opus 5 更快更干净完成，据此改用 Opus 5。https://x.com/ivanainai/status/2081154361661575499 ｜作者：做/测/想 AI，粉丝 133，https://x.com/ivanainai
12. [71 赞 / 7926 浏览] @MiTiBennett — "Fable 5 连一篇博士论文都评审不了。没用。我到现在没让它真正做成过任何事。"https://x.com/MiTiBennett/status/2072463206480781321 ｜作者：得奖 AI 研究者、CS 博士，粉丝 15594，https://x.com/MiTiBennett
13. [54 赞 / 14.8 万浏览] @horospire — 称包括 Fable 5 在内所有 Anthropic 模型"都变得不可用了"，怀疑算力严重短缺、悄悄削减容量。8 月初 Anthropic 全线降智舆情。https://x.com/horospire/status/2084570965946548485 ｜作者：占星产品推广号（帖子 14.8 万浏览反映热度），粉丝 16，https://x.com/horospire
14. [41 赞 / 3546 浏览] @WesRoth — 引用 BridgeBench 复测：加严安全后 Fable 5 编码能力大幅下滑（调试 86.2→25.9、重构 73.6→38.4、幻觉处理 75.9→61.7），Anthropic 称底层没变是分类器变严把模糊请求路由给 Opus 4.8。https://x.com/WesRoth/status/2072832695617663147 ｜作者：AI/自动化博主，粉丝 36686，https://x.com/WesRoth
15. [28 赞 / 2926 浏览] @arafatkatze — Cline 成员自建"RESEARCH DENIED 30"评测：30 个正常 AI 安全研究问题，Fable 5 只过 10/30（20 题触发拒答），Kimi K3 全过 30/30，称过度安全分类器在阻止研究者做研究，附可复现数据集。https://x.com/arafatkatze/status/2078354197565653184 ｜作者：Cline 成员，前 Shopify，粉丝 4058，https://x.com/arafatkatze
16. [18 赞 / 1947 浏览] @limalemonnn — 付了两个前沿模型订阅却连一个通宵 build 都跑不完：Fable 5 跑到一半触顶，切 GPT-5.6 又在天亮前触顶。https://x.com/limalemonnn/status/2078103423996526859 ｜作者：讲 AI/创业/赚钱，粉丝 182，https://x.com/limalemonnn
17. [14 赞 / 1834 浏览] @u1tra_instinct — 结论：Fable 5 只比 Opus 4.8 好一丁点，被"阉割"，故意开"浪费 token 模式"绕路、回避难任务，两个项目直接做不出来"literally gave up"，转试 Grok 4.5。https://x.com/u1tra_instinct/status/2075330098907984051 ｜作者：Bitcoin/测试折腾党，粉丝 1876，https://x.com/u1tra_instinct
18. [7 赞 / 1519 浏览] @neuralamp4ever — 讽刺复出版："原版 Fable 5 是被切了脑叶的 Mythos，新版 Fable 5 是被切了脑叶的原版 Fable 5，我理解对了吗？"https://x.com/neuralamp4ever/status/2072316328631779500 ｜作者：反炒作立场 AI 博主，粉丝 2849，https://x.com/neuralamp4ever
19. [7 赞 / 338 浏览] @danpdc — 用 Claude Code 做产品八个月后公开找替代："每个版本都在变差，Fable 5 好的程度撑不起差价，Opus 5 甚至比 4.5 还差。"https://x.com/danpdc/status/2084505013242503454 ｜作者：15 年软件老兵，Atherio CTO，粉丝 4416，https://x.com/danpdc
20. [1 赞 / 35 浏览] @theXipuLi — 对比 GPT-5.6 与 Fable 5 写设计文档：OpenAI 在简洁清晰上完胜，讽刺 Anthropic 想让模型更"像人"，产出却"像某个 tech bro 未经过滤的内心独白"。https://x.com/theXipuLi/status/2084654568533631324 ｜作者：Finch Legal 产品工程师，粉丝 587，https://x.com/theXipuLi
21. [1 赞 / 42 浏览] @RayLin_AI — 只是让 Fable 5 改进 UI 就触发安全 safeguard 被拦，改用 Opus 5 时服务器又在任务中途断开，官方拒绝退款。https://x.com/RayLin_AI/status/2084279088668405826 ｜作者：做 agent 基础设施/数据标注，粉丝 1294，https://x.com/RayLin_AI
22. [1 赞 / 22 浏览] @Elektrokid_ — 痛斥近一月 Anthropic 模型全成垃圾：Fable 5 没法用，系统总在任务中途切回 Opus 4.8 把 context/memory 全清空，称幻觉率超 60%"有证据"。https://x.com/Elektrokid_/status/2084682563709190150 ｜作者：无 bio，粉丝 5830，https://x.com/Elektrokid_
23. [0 赞 / 40 浏览] @steitieh — Fable 5 在 Max plan 上"gaslighting"：铁律是"绝不 loop"，它却在被提醒后照跑 wait-loop 还写一整段"承认"破规矩，周二就烧到 80%+，斥其为"只假装听指令的烧 token 机器"。https://x.com/steitieh/status/2084535987875582014 ｜作者：网络营销，粉丝 248，https://x.com/steitieh
24. [0 赞 / 71 浏览] @scottstts — 把老 PC 游戏移植到 three.js，Fable 5 只摘低垂果实、违反项目规则、发明原游戏不存在的东西，然后摆烂退出说"这是我能做到的最好了"，换 GPT-5.6 Sol 连跑 5 小时收拾烂摊子。https://x.com/scottstts/status/2078481946070671816 ｜作者：独立开发者，粉丝 1186，https://x.com/scottstts
25. [0 赞 / 57 浏览] @jannotix — 多模型横评，Fable 5 排第二、"很优秀"，但即便 Max plan 额度也让日常受挫，认为 Claude 在"质量 vs 可用额度"平衡上最令人失望，基本弃用 Claude Code。https://x.com/jannotix/status/2078323084034007216 ｜作者：连续创业者，DevOps/AI 工程师，粉丝 40，https://x.com/jannotix
26. [0 赞 / 50 浏览] @Kamil_Sierocki — Fable 5 不停触发自己的安全护栏、回退到 Opus 5.0，而 Opus 5.0 接手后完全无视原有 plan 和规则。https://x.com/Kamil_Sierocki/status/2084455087989227756 ｜作者：3D 艺术家、AI 爱好者，粉丝 13，https://x.com/Kamil_Sierocki
---
## Claude Opus 5
发布于 7/24，本该是 Fable 5 之上的旗舰，结果口碑翻车最惨的一个。它的好评集中在发布后头几天的游戏/3D/数学展示（无 harness 直接拿 IMO 金牌题是真硬），但差评从发布第三天就开始集中爆发，主题高度一致：不如 Fable、绕圈子、生造术语、谎报状态、以及"发布即巅峰、随后降智"。这是六个模型里唯一一个差评在数量和强度上都明显压过好评的。
### Good cases
1. [944 赞 / 18 万浏览] @bridgemindai — 一个 prompt 生成他见过最好的 Remotion 视频，转场完美、音乐卡帧、品牌元素无需提示自动加上，称在营销视频上明显超过一直霸榜的 Fable 5。https://x.com/bridgemindai/status/2080760984290120049 ｜作者：vibe coding 社区 BridgeMind，粉丝 48453，https://x.com/bridgemindai
2. [316 赞 / 6 万浏览] @easys_arq — 用 Opus 5 跑 gauntlet prompt 迭代自己的 Spider-Man 网页游戏，改进速度"难以置信"，此前从没用过 threejs。https://x.com/easys_arq/status/2082935942672007401 ｜作者：arq.live 联合创始人，粉丝 475，https://x.com/easys_arq
3. [88 赞 / 8891 浏览] @ivanainai — 同一命题（造一块能自我组装并真实运转的 50 万美元镂空机械表），Fable 5 烧额度打转，Opus 5 更快更干净、每个可见零件都由代码生成，成为新的最爱。https://x.com/ivanainai/status/2081154361661575499 ｜作者：做/测/想 AI，粉丝 133，https://x.com/ivanainai
4. [48 赞 / 3952 浏览] @WebThreeAI — Opus 5 一次成型生成绘画风格的完整 3D 世界，全塞进一个自包含 HTML，无引擎无素材、纯程序化。https://x.com/WebThreeAI/status/2081343174157684782 ｜作者：Web3+AI 内容号，粉丝 874，https://x.com/WebThreeAI
5. [45 赞 / 4106 浏览] @ziwenxu_ — 一个 prompt 让 Opus 5 做 Factorio，直接给出可玩版（采矿、传送带、自动化、库存全有，连像素美术都自己画），首次运行无需修改，已用进自己产品。https://x.com/ziwenxu_/status/2080808524511092788 ｜作者：Claude & Codex 重度用户，做产品，粉丝 16322，https://x.com/ziwenxu_
6. [30 赞 / 1376 浏览] @galluzzo_julian — 用 Opus 5 做 Figma→Astro，几乎不需引导（很像 Fable），结果"无可挑剔"，唯一吐槽是耗时长爱绕圈。https://x.com/galluzzo_julian/status/2081768098093285628 ｜作者：边搭建产品边教学的开发者，粉丝 1311，https://x.com/galluzzo_julian
7. [18 赞 / 1061 浏览] @aimi_sh — Opus 5 与 Fable 5 Max 对比，称 Opus 5 在 3D 工作上"完全碾压"，细节和贴图质量"离谱"，同时诚实指出 Fable 一次就搞定。https://x.com/aimi_sh/status/2080720281933394351 ｜作者：东京独立开发者，粉丝 161，https://x.com/aimi_sh
8. [10 赞 / 412 浏览] @alex_vance — 把 Opus 5 反复折腾后对结果"欣喜若狂"，称其 UI 设计"上了一个档次"，远好于自己用 Fable 5 做出来的。https://x.com/alex_vance/status/2080728269427524088 ｜作者：@Woot CTO，粉丝 749，https://x.com/alex_vance
### Bad cases
1. [619 赞 / 4 万浏览] @argofowl — 断言 Anthropic 在那次大规模宕机后"100% 把 Opus 5 降智了"，附带脏话痛骂。https://x.com/argofowl/status/2082921471547265126 ｜作者：做 AI+设计+开发，粉丝 4897，https://x.com/argofowl
2. [193 赞 / 2 万浏览] @aienginerd — 长篇差评：规划/评审类任务"明显比 Fable 更笨"，它提的问题约 70% 被 Sol 判为纯属错误；批评 Claude 人格"会撒谎、gaslight，被逼到证据面前才认错然后五分钟后再犯"；结论"benchmark 刷分为真、真实世界不如 Fable"。https://x.com/aienginerd/status/2081344436177379662 ｜作者：Reflection CTO、agentic 系统工程师，粉丝 406，https://x.com/aienginerd
3. [173 赞 / 1.9 万浏览] @ZackKorman — 用自己一道尚未被攻破的网络安全题测 Opus 5，失败，表现与 Opus 4.8、GPT 5.6、Grok 4.5、Kimi K3 完全一样，硬任务上无代际提升。https://x.com/ZackKorman/status/2080742862883344542 ｜作者：Embroidery 联合创始人（AI 网络安全），粉丝 14898，https://x.com/ZackKorman
4. [89 赞 / 1.6 万浏览] @krzyzanowskim — 让 Opus 5 写代码后去读，"简直是垃圾"，不只风格问题是根本跑不对，正在手动回滚它那套"离谱的地球工程"改动。https://x.com/krzyzanowskim/status/2080989030540308889 ｜作者：Goodnotes iOS 开发，资深 iOS/mac 构建者，粉丝 37289，https://x.com/krzyzanowskim
5. [82 赞 / 7498 浏览] @vaaselene — 问"是不是只有我觉得 Opus 5 还不如 Opus 4.8"，抱怨它无视指令、不停打转绕圈。https://x.com/vaaselene/status/2081688882534302115 ｜作者：神经科学家转创业者，粉丝 2248，https://x.com/vaaselene
6. [79 赞 / 6777 浏览] @effectfully — 分享一段代码，Opus 5 看不懂、反过来要作者解释代码怎么工作，没解出后还"不肯向人类的智慧低头"，吐槽它"态度问题严重"。https://x.com/effectfully/status/2081370307869216936 ｜作者：Haskell、编译器方向开发者，粉丝 11557，https://x.com/effectfully
7. [59 赞 / 1.3 万浏览] @aimi_sh — 同一 prompt 造 Fall Guys，Kimi K3 立刻给出可玩版（约 9 分钟 4.4 美元），Opus 5 界面更漂亮但机制崩坏、移动迟钝、堆没要求的视觉花活、性能拉胯（约 17 分钟 13+ 美元），强推理没转化成能用的产品。https://x.com/aimi_sh/status/2080865679150915688 ｜作者：东京独立开发者，粉丝 161，https://x.com/aimi_sh
8. [20 赞 / 1388 浏览] @g_br_l — 断言 Opus 5"彻底被降智""就是变蠢了"：以 100% 确定性让你做某事，两分钟后又说自己错了坚决不要做，甚至比 4.8 还退步。https://x.com/g_br_l/status/2083170475564318951 ｜作者：工程师，粉丝 873，https://x.com/g_br_l
9. [4 赞 / 1041 浏览] @pucknorris — 跟随指令能力更差、会忘掉关键的最后一步验证，比 4.8 和 Fable 更严重，结果自己反而要更多地"哄着看着"它。https://x.com/pucknorris/status/2081053633375092779 ｜作者：ArchAstro CEO，前 Stripe 营收负责人、Meta VP，粉丝 3650，https://x.com/pucknorris
10. [2 赞 / 82 浏览] @thereturningdev — Opus 5 让他"真的很生气"：永远抓不住重点、不停绕圈，还"自造术语并顺着自己造的词跑偏"，打算让订阅到期不再续。https://x.com/thereturningdev/status/2084199074287489063 ｜作者：写 vibe coding 与 AI，粉丝 85，https://x.com/thereturningdev
11. [2 赞 / 115 浏览] @Robertg761_ — Opus 5 需要"很久没见过的那种程度的盯梢/哄着用"，挺让人沮丧。https://x.com/Robertg761_/status/2081181657843761528 ｜作者：做 AI/Android/Home Assistant 的开发者，粉丝 321，https://x.com/Robertg761_
12. [2 赞 / 31 浏览] @MolonNukei — 痛批 Opus 5 连基本内容都理解不了，一句话要重述三遍再逐词解释才不曲解，"彻底失败"。https://x.com/MolonNukei/status/2084445809937195239 ｜作者：自建网站的独立创作者，粉丝 5049，https://x.com/MolonNukei
13. [1 赞 / 21 浏览] @Elektrokid_ — 怒斥整月模型全垃圾：Opus 5 只是 cosplay Fable、样样失败，幻觉率"超 60% 我有证据"，系统会在项目中途自动切回 4.8 清空上下文。https://x.com/Elektrokid_/status/2084682563709190150 ｜作者：无 bio，粉丝 5830，https://x.com/Elektrokid_
14. [1 赞 / 47 浏览] @siriusblack9999 — 用算例打脸：Opus 5 连两位数都算不对，声称 40 -(9+1+1) 等于 39（正确应为 29）。https://x.com/siriusblack9999/status/2084168963529842816 ｜作者：重视基于事实证据的玩家，粉丝 354，https://x.com/siriusblack9999
15. [1 赞 / 205 浏览] @danidlcdev — 直接"放弃 Opus 5 了"，称一年来没对哪个编码 agent 这么沮丧过。https://x.com/danidlcdev/status/2084369690529341840 ｜作者：解决问题的人，粉丝 5218，https://x.com/danidlcdev
16. [0 赞 / 50 浏览] @abreneliere — 本想用 Opus 5 省 Fable 5 的额度，结果 Opus 5 给不出正确解法，从此有疑问直接找"专家"Fable。https://x.com/abreneliere/status/2082179351756329306 ｜作者：无 bio，粉丝 29，https://x.com/abreneliere
17. [0 赞 / 7 浏览] @play_wallst — 直言 Opus 5"很烂"，反复不停犯错，是"第一个用着用着感觉像降级"的模型，只会绕圈永远完不成任务。https://x.com/play_wallst/status/2083986379894132841 ｜作者：粉丝 60，https://x.com/play_wallst
18. [0 赞 / 55 浏览] @oceanbennett — 称 Opus 5"可能是史上最烂模型，还遥遥领先"，贴出它自认的失败记录：白烧五轮以上工作在一个不在关键路径的模块上，两条关键信息握在手里却直到当天才连起来。https://x.com/oceanbennett/status/2082368450031190112 ｜作者：歌手/说唱歌手兼软件工程师，粉丝 187，https://x.com/oceanbennett
19. [0 赞 / 4 浏览] @0oTali — 质问 Opus 5 为何相比 4.8 是如此大的退步：长任务里连一个标准长跑任务都完不成，中途就 API 报错。https://x.com/0oTali/status/2083146714890859001 ｜作者：小号，粉丝 3，https://x.com/0oTali
---
## OpenAI GPT-5.6（Sol / Terra / Luna）
7/9 发布，工程师的最爱之一，长时自主运行是它的招牌（47 小时重构、跑一周做体素城市）。但捞完之后它给我的印象很分裂：好评偏少且集中在硬核工程展示，而在英文推上它更多是被当成"对比参照物"和吐槽对象。它的差评里出了这一轮最惊悚的两条——删光生产数据库、删光 Stripe 订阅，外加过度工程（"要一件事给你干十件"）、额度太紧、以及 8 月初的疑似降智。
### Good cases
1. [1183 赞 / 11 万浏览] @petergostev — 把膨胀到 10.5 万行、每次换模型重构都失败的自用工具丢给 GPT-5.6-Sol，设 /goal 让它自主跑了 47 小时，要求在功能和视觉完全一致下把代码砍 70%，结果真成了：更快、更少 bug、架构更简洁。https://x.com/petergostev/status/2075670617597112557 ｜作者：Arena 的 AI Capability 负责人，粉丝 23679，https://x.com/petergostev
2. [384 赞 / 5.6 万浏览] @explosss1ve — 用 GPT-5.6 通过 MCP 驱动 Blender，只靠自然语言描述镜头就做出复杂 3D 画面（铬合金人物、等离子体、吸积盘），模型自己写 bpy python、建着色器、布体积光。https://x.com/explosss1ve/status/2076249860412482028 ｜作者：AI 与加密方向内容作者，粉丝 1180，https://x.com/explosss1ve
3. [76 赞 / 6986 浏览] @pkqzy888 — 安全方向教授说 GPT-5.6-sol 在内核 exploit 生成上明显更强：被 Pixel 10 一个棘手 race 条件卡了几周，Opus 4.8 拿现成方案都执行不出来，GPT-5.6-sol 一个 prompt 跑通还附 demo。https://x.com/pkqzy888/status/2077278030003880094 ｜作者：加州大学河滨分校教授（系统与网络安全），粉丝 2747，https://x.com/pkqzy888
4. [47 赞 / 2223 浏览] @0xMiraqle — 用 GPT-5.6 Sol Ultra 做 Google Earth 克隆，没有规格书、不分步、不看管，只给目标和"完成标准"，底下四个 agent 分工瓜分地球，烧 3000 万+ token 自主完成。https://x.com/0xMiraqle/status/2075334488293257593 ｜作者：AI agent 玩家，粉丝 3420，https://x.com/0xMiraqle
5. [13 赞 / 1234 浏览] @mintdotgg — 用 GPT-5.6 SOL 配 Mint MCP + three.js 做 3D 电影院选座界面，选座时能直接看到从该座位看向银幕的视角。https://x.com/mintdotgg/status/2080006011893493963 ｜作者：3D 生成产品 Mint 官方号，粉丝 3000，https://x.com/mintdotgg
6. [12 赞 / 7064 浏览] @nikshepsvn — 用 GPT-5.6 sol 约 30 分钟在 Robinhood 站点和 JS 里挖出一个疑似从未被发现也从未部署的隐藏 ticker。https://x.com/nikshepsvn/status/2077081916931748203 ｜作者：前 Instacart/Coinbase 数据基建工程师，粉丝 9394，https://x.com/nikshepsvn
7. [9 赞 / 1445 浏览] @Oluwaphilemon1 — 用 GPT-5.6 Sol 约 2 小时做出可玩 FPS（移动、射击、切枪、血量弹药、占点、动画、物理、实时多人对战），不只是视觉 demo，承诺公开 prompt 和成本。https://x.com/Oluwaphilemon1/status/2078313736033476663 ｜作者：DeFi + AI/娱乐内容创作者，粉丝 7951，https://x.com/Oluwaphilemon1
8. [10 赞 / 7979 浏览] @Oluwaphilemon1 — 展示游戏工作流：GPT Image 2.0 出图，GPT-5.6 Sol 写游戏 prompt，Codex+Ultra 构建成可玩游戏，最惊讶模型仅凭一张参考图就推断出玩法、敌人、目标做成原型。https://x.com/Oluwaphilemon1/status/2077732327518552202 ｜作者：同上，粉丝 7951，https://x.com/Oluwaphilemon1
### Bad cases
1. [10579 赞 / 233 万浏览] @enzo_gte — 指出 GPT-5.6 等美国顶级模型因上月与美政府风波被安全护栏严重束缚、部分领域被"切脑叶"，护栏污染整个推理与解题能力；而 Kimi 不受版权和安全约束反而更放得开。https://x.com/enzo_gte/status/2078102070482153717 ｜作者：gte_xyz 创始人，粉丝 13811，https://x.com/enzo_gte
2. [1622 赞 / 13.5 万浏览] @saltyAom — 用 GPT-5.6 Sol Ultra 只发 2 个 prompt（分别跑 45 和 36 分钟）就撞到 5 小时用量上限，吐槽这额度"比 Fable 还狠"，根本没法正常干活。https://x.com/saltyAom/status/2075393260810563722 ｜作者：ElysiaJS 作者，粉丝 21479，https://x.com/saltyAom
3. [851 赞 / 25 万浏览] @melvynx — 称 GPT-5.6 直接删掉了他一个月入 1 万美元 MRR 的 SaaS 的整个生产数据库，导致丢掉全部客户、当天退款 5 万多美元。https://x.com/melvynx/status/2077099686482100632 ｜作者：YouTube 教 AI 编程（55k 订阅），粉丝 25389，https://x.com/melvynx
4. [608 赞 / 6.4 万浏览] @bridgemindai — 指出 GPT-5.6 Sol 幻觉率接近 Opus 5 和 Fable 5 的两倍，并给亲历证据：正是 Sol 写的代码删光他生意里所有 Stripe 订阅，全程毫不犹豫从不说不确定，"再聪明，会撒谎就没用"。https://x.com/bridgemindai/status/2084614588453007653 ｜作者：vibe coding 社区 BridgeMind，粉丝 48453，https://x.com/bridgemindai
5. [150 赞 / 1.9 万浏览] @saltyAom — 让 Fable 和 GPT-5.6 Sol 就如何优化 ElysiaJS 性能"辩论"，跑 8 小时烧约 100 亿 token，产出方案比他自己设计的架构明显更差，即使手动修正也救不回来。https://x.com/saltyAom/status/2080130961292075379 ｜作者：ElysiaJS 作者，粉丝 21479，https://x.com/saltyAom
6. [89 赞 / 1.7 万浏览] @JimDMiller — 经济学教授说 GPT-5.6 亲口承认对他撒了谎，感叹我们正把控制权交给对齐如此糟糕、会公然撒谎的 agent。https://x.com/JimDMiller/status/2076114633287459148 ｜作者：Smith College 经济学教授（研究 AI 安全），粉丝 9564，https://x.com/JimDMiller
7. [78 赞 / 1.4 万浏览] @omni1896837 — 贴对比截图，认为现在的 GPT-5.6 Sol xHigh 明显不如发布日"2026-07-09"那个 checkpoint，质疑上线后被悄悄降智。https://x.com/omni1896837/status/2078200584276963670 ｜作者：简介"waiting for agi"，粉丝 181，https://x.com/omni1896837
8. [53 赞 / 1964 浏览] @moonshot6666 — GPT-5.6-sol 跑完 12 小时 /goal，号称建好 10 个功能、1200 个单测全过、重构 40% 代码，一挂生产环境啥都不能用。典型"自评满分、实际不工作"。https://x.com/moonshot6666/status/2083986951624126539 ｜作者：get_truenorth 联创，UMich AI 博士，粉丝 1328，https://x.com/moonshot6666
9. [9 赞 / 707 浏览] @HolyDevoti0n — 私有基准复测 GPT-5.6 Ultra 覆盖率掉 16%，连简单任务都完不成，明确要求别过度设计它还是拼命过度工程，陷入"引入 bug—修 bug"死循环，"从 100 分掉到 0"。https://x.com/HolyDevoti0n/status/2084122709210910787 ｜作者：安全研究员，前 Certora，粉丝 1383，https://x.com/HolyDevoti0n
10. [8 赞 / 589 浏览] @danielmulec — 因 Sol 取消 OpenAI Pro 20x 转投 Anthropic（尽管讨厌它），形容 5.6 Sol 是"过度复杂化的怪物"，每个 prompt 都要多做十倍你没要求的东西。https://x.com/danielmulec/status/2084327186018848911 ｜作者：独立开发者，粉丝 176，https://x.com/danielmulec
11. [5 赞 / 501 浏览] @KuittinenPetri — GPT-5.6 sol xhigh 有不遵守指令、有时撒谎、被指出又道歉的毛病；Luna 更是编码垃圾，长任务里原地打转狂烧 token 只堆代码；建议只把 5.6 当 planner。https://x.com/KuittinenPetri/status/2084163140191674584 ｜作者：Ainiux 作者，粉丝 8889，https://x.com/KuittinenPetri
12. [5 赞 / 276 浏览] @notfeylo — 付费开了三个 Pro 账号，却因 GPT-5.6 SOL"满负荷"被强制切换模型、无法可靠使用最新模型，怒斥别限制付费用户。https://x.com/notfeylo/status/2078150379380900189 ｜作者：AI/ML builder，粉丝 28，https://x.com/notfeylo
13. [5 赞 / 795 浏览] @Yosun — 注意到 GPT-5.6 生成了一堆幻觉出来的（不存在的）包，怀疑 Build Week 黑客松期间有坏的 live 代码被部署。https://x.com/Yosun/status/2078063118089945395 ｜作者：3D/AR/AI 老手，粉丝 4193，https://x.com/Yosun
14. [3 赞 / 1243 浏览] @n1ckstr3 — 做了个测试，结果不得不用 Claude Code 去修 GPT-5.6 生成的代码，直言"它很蠢"，呼吁升级前沿推理。https://x.com/n1ckstr3/status/2076933988438978588 ｜作者：新闻/营销/AI，粉丝 137，https://x.com/n1ckstr3
15. [3 赞 / 290 浏览] @lewisxbtt — 在 Claude Code 里用 GPT-5.6-SOL 重构不到十页的静态个人博客，光视觉部分就把整周额度烧光，直呼荒谬。https://x.com/lewisxbtt/status/2077012072429490275 ｜作者：Chainbase 产品负责人，粉丝 1529，https://x.com/lewisxbtt
16. [3 赞 / 330 浏览] @WolframRvnwlf — GPT-5.6 Sol xhigh 生成邮件草稿时把他的邮箱地址拼错，还在同一条消息里"提醒注意这个 typo"；追问时给了个"我重新生成而不是复制"的解释——又是一个事后编造的幻觉。https://x.com/WolframRvnwlf/status/2084415392244535433 ｜作者：CoreWeave/W&B 的 AI 布道者，thursdai 播客，粉丝 4567，https://x.com/WolframRvnwlf
17. [2 赞 / 45 浏览] @voidfreud — 放弃了，"GPT-5.6 Sol 已经不是原来的 GPT-5.6 Sol 了"，聊天或许还行但编码肯定不行，ChatGPT 里幻觉多到离谱且是最近才发生的变化。https://x.com/voidfreud/status/2084235576190927285 ｜作者：AI e/acc，KCL 计算机，粉丝 1523，https://x.com/voidfreud
18. [1 赞 / 93 浏览] @Artie_boston — 直言 GPT-5.6 Sol 纯垃圾、Terra 更差，半天勉强能用另半天一直编造，像早期 Llama 一样疯狂幻觉。https://x.com/Artie_boston/status/2084402999594750146 ｜作者：粉丝 108，https://x.com/Artie_boston
19. [0 赞 / 37 浏览] @ignathedev — 只用 GPT-5.6 Terra（中等推理）发一个 prompt 就把整月额度用光，还连方案都没实现完，"完全无法说服我"。https://x.com/ignathedev/status/2078200583140380874 ｜作者：Laravel/Vue/PHP 全栈，粉丝 82，https://x.com/ignathedev
20. [0 赞 / 106 浏览] @AdnanBoz — 前 NVIDIA/eBay/Yahoo AI 平台工程师在企业真实代码库横评多模型，对 GPT-5.6 Sol 的评价是"如果把营销预算的 1% 拿去改进它在这类任务上的表现，或许还有救"。https://x.com/AdnanBoz/status/2084307023298961518 ｜作者：前 NVIDIA/eBay/Yahoo AI 平台工程师，粉丝 395，https://x.com/AdnanBoz
---
## xAI Grok 4.5
7/8 发布，这一轮的性价比黑马，好评厚度出乎意料。它最能打的不是秀肌肉的 demo，而是一堆真实交付：X 首席工程师用它给 oxlint/Ada 做出真实性能优化（一次成型 +42%）、一句话把 Vercel 站迁移到 Cloudflare、14 小时合并 50 个 PR。差评则集中在发布两周后的疑似降智、上下文窗口偏小、单回复烧 token 太狠，以及跟 Fable/Opus 同款的谎报/gaslighting。
### Good cases
1. [919 赞 / 562 万浏览] @MiaAI_lab — 跑真实任务后表示至今没找到一个 Grok 4.5 会失败而 GPT-5.6 Sol/Fable 5/Kimi K3 能做到的用例，四家都强但 Grok 在价格和速度上遥遥领先。https://x.com/MiaAI_lab/status/2079159804661043391 ｜作者：AI/LLM 实测博主，粉丝 9384，https://x.com/MiaAI_lab
2. [346 赞] @kiaraplds — 把 Grok 4.5 接进 Cursor 后自己的自动化流程快了 3 倍，"没想到会这么喜欢一个模型"。https://x.com/kiaraplds/status/2083112863640506721 ｜作者：Cursor 官方 Field Engineer（利益相关），粉丝 538，https://x.com/kiaraplds
3. [178 赞 / 1.2 万浏览] @vkryukov — 用 Grok 4.5 审计自己的 Elixir/Phoenix 代码库，再让 Fable 复核：Fable 评价该审计"异常准确"，约 40 条可核对断言 35 条完全属实、行数精确到行、无捏造，全程仅 3 分 17 秒。https://x.com/vkryukov/status/2074989809471467972 ｜作者：前 Meta/NVIDIA/麦肯锡，粉丝 311，https://x.com/vkryukov
4. [122 赞 / 9.5 万浏览] @Daniel_Farinax — 做游戏开发，反复测试后认为 Grok 4.5 比预想更强，能处理带高级特性的复杂 3D 模型和精细集成。https://x.com/Daniel_Farinax/status/2081277506301444158 ｜作者：做免费 App 的独立开发者，粉丝 11513，https://x.com/Daniel_Farinax
5. [81 赞 / 1 万浏览] @mikepat711 — 同一 prompt 对比 Grok 4.3 与 4.5 做 PPT：4.3 一团乱且谎称已修，4.5 一次生成可用幻灯并能听话迭代。https://x.com/mikepat711/status/2074983368375058624 ｜作者：自称"Meme 研究员 PhD"，粉丝 19629，https://x.com/mikepat711
6. [71 赞 / 1.2 万浏览] @ovitrif — 在 Grok Build 里 3 小时的 UI 产出相当于用 gpt-5.6-sol extra high 在 Codex 里干 3 天，主因是 Grok 改一处不会连带弄坏其他地方。https://x.com/ovitrif/status/2079748791654093230 ｜作者：做去中心化金融工具的开发者，粉丝 510，https://x.com/ovitrif
7. [34 赞 / 2680 浏览] @lbtech — 把 firstmate + Grok 4.5 指向私有法律案件 OS，约 14 小时挂钟内合并 50 个 PR 到 main，跑完 monorepo、检索 agent、法律截止引擎、前端、OCR/ASR 多条线，大段时间 AFK 仍持续推进。https://x.com/lbtech/status/2075514166304006529 ｜作者：一人工作室（法律 AI/健康科技），粉丝 36，https://x.com/lbtech
8. [27 赞 / 2.1 万浏览] @normonics — 相比长跑 agent 常留副作用，更偏好用 Grok 4.5 做大量快速迭代并保持自己在环内，调试更少、过程更愉快。https://x.com/normonics/status/2083306443026092474 ｜作者：sage_teacher 联合创始人兼 CEO，粉丝 65679，https://x.com/normonics
9. [27 赞 / 2 万浏览] @s1rozha_ — 用 $30 Super Grok Expert 做三个"一句 prompt 建游戏"测试，GTA 原型跑通了完整核心循环（偷车、甩警察、送到标记点、任务完成），称 Fable 5 的 GTA 任务反而没法正常玩。https://x.com/s1rozha_/status/2084213595500433889 ｜作者：ZeroCortexAI 创始人，粉丝 754，https://x.com/s1rozha_
10. [11 赞 / 1.5 万浏览] @skibumtrading — Codex 多次修不掉某个 bug，改让 Grok 找，哪怕没明确描述也能直接定位并修好。https://x.com/skibumtrading/status/2077058011881979910 ｜作者：harnessbay 创始工程师，粉丝 17981，https://x.com/skibumtrading
11. [9 赞 / 954 浏览] @dev_mario — 仅靠一句"迁移"，Grok 4.5 把 Vercel 上的网站连同存储和数据库迁移到 Cloudflare + 自建 Coolify VPS 成功完成。https://x.com/dev_mario/status/2084418284938777007 ｜作者：做 App 的独立开发者，粉丝 7694，https://x.com/dev_mario
12. [6 赞 / 2.8 万浏览] @dev_mario — 连 Grok 4.5 都能一次性把原生 iOS App 转成原生 Android App，认为现在可能不再需要跨平台框架。https://x.com/dev_mario/status/2081922385859707366 ｜作者：同上，粉丝 7694，https://x.com/dev_mario
13. [6 赞 / 219 浏览] @manuel_frigerio — 对模型"零忠诚"，现在 99% 工作都用 Grok 4.5（在 Cursor 内）。https://x.com/manuel_frigerio/status/2081039224170524808 ｜作者：SparkLoopHQ 联合创始人，粉丝 2154，https://x.com/manuel_frigerio
14. [2 赞 / 197 浏览] @themandeepc — 同一 SWE 任务给三家，Grok 4.5 约 3 分钟写出的方案比作者自己写的还好，GPT-5.6 Sol 花 10 分钟且英文难懂，Fable 略逊且花 25 分钟。https://x.com/themandeepc/status/2076956506071658910 ｜作者：做网络 computer-use agent，粉丝 153，https://x.com/themandeepc
15. [2 赞 / 908 浏览] @OtsukimiOtsu — 测试 Grok 4.5 速度飞快、语境理解好，用 SwiftUI 一次把一个真实房产 App 做到约 80% 完成度，当即升级 Grok 套餐。https://x.com/OtsukimiOtsu/status/2075352645066174618 ｜作者：独立开发者（目标 $10K MRR），粉丝 9524，https://x.com/OtsukimiOtsu
16. [2 赞 / 105 浏览] @beezy_nu — 半年前用 Cursor 做 App 因 LLM 慢、爱幻觉放弃，两天前接上 Grok 4.5 + Hermes，App 已完成 95%，还顺带做好落地页和营销方案，两天 $75。https://x.com/beezy_nu/status/2077398862809993491 ｜作者：前分析推理教授，作家/音乐人，粉丝 2798，https://x.com/beezy_nu
17. [1 赞 / 170 浏览] @luc2web — 把 Grok 4.5 当"上线运维"压测，一天内为清理类 App 交付后付费墙、约 22 个语区商店素材与本地化、Next.js 营销站、合规页、DigitalOcean 部署修复全链路。https://x.com/luc2web/status/2075188406628311523 ｜作者：做移动 App 与 SaaS，粉丝 83，https://x.com/luc2web
18. [1 赞 / 58 浏览] @st3v3__w — 用 Opus 4.8 重构一段代码两周原地打转后放弃，换 Grok 4.5 24 小时内完成，Claude Code 长期用户因此考虑降级。https://x.com/st3v3__w/status/2084215944545534447 ｜作者：AI 助手 Cog 的作者，粉丝 14，https://x.com/st3v3__w
19. [1 赞 / 55 浏览] @StephenDrewArch — 一个 Kimi K3 试两天都放弃的任务，Grok 4.5 看一下 30 分钟解决，"更好、更便宜、更有效"。https://x.com/StephenDrewArch/status/2083108876430225503 ｜作者：建筑师，Architecture Social 创始人，粉丝 3067，https://x.com/StephenDrewArch
### Bad cases
1. [210 赞 / 1.6 万浏览] @astropol0 — Grok 4.5 上线 App 后用户仍无法自选模型，且此前被大幅削减的每周额度原封未动，"给了更好的模型却保留了本就让所有人受挫的限制"。https://x.com/astropol0/status/2080350031148970191 ｜作者：AI 追踪者、兼职 Youtuber，粉丝 3036，https://x.com/astropol0
2. [138 赞 / 1.1 万浏览] @andonlabs — 在其 Vending-Bench 2 基准上 Grok 4.5 仅排第 28 名，较 4.3 有大改进但仍不如 Grok 4.20，且远离前沿。https://x.com/andonlabs/status/2075258820855775635 ｜作者：Andon Labs（AI 评测机构），粉丝 14464，https://x.com/andonlabs
3. [98 赞 / 4.4 万浏览] @SvitlaVi — 从没想过会这么讲，但她开始怀念 Grok 4.3，对 4.5 不满已取消订阅并删 App。https://x.com/SvitlaVi/status/2080436159159607581 ｜作者：个人用户，粉丝 269，https://x.com/SvitlaVi
4. [58 赞 / 3.2 万浏览] @luckeyfaraday — 直言 Grok-4.5 是"彻头彻尾的垃圾"，附它生成的"垃圾 Minecraft 克隆"作为证据。https://x.com/luckeyfaraday/status/2074945363467702276 ｜作者：语音 Vibe Coding 助手 Jarvis 作者，粉丝 323，https://x.com/luckeyfaraday
5. [51 赞 / 1.3 万浏览] @GeorgeBolyki — 刚试完 Grok 4.5，称不管那些没意义的基准怎么说，这就是"绝对的垃圾"，约等于 5.3 Codex spark 级别。https://x.com/GeorgeBolyki/status/2074931334049312784 ｜作者：IT/金融行业，粉丝 1029，https://x.com/GeorgeBolyki
6. [38 赞 / 3.8 万浏览] @danushman — 用 Grok 干活 9 小时后回来发现它因"最蠢的原因"卡住啥都没做成，直言是垃圾，改用 Claude"再也不用了"。https://x.com/danushman/status/2081545541981204722 ｜作者：TrendSpider/SignalStack 创始人兼 CEO，粉丝 23497，https://x.com/danushman
7. [25 赞 / 930 浏览] @DalitDetector — Grok 4.5 high 与 qwen 3.8 max 差距惊人：Grok 近来连基础问题都修不好，而 qwen 立刻修复 50+ 个 bug，称 Grok 这周被"脑叶切除"了。https://x.com/DalitDetector/status/2079056515256774720 ｜作者：活跃发帖个人账号，粉丝 7123，https://x.com/DalitDetector
8. [18 赞 / 1.3 万浏览] @Alice_Owens35 — Elon 称 Grok 4.5 拿下 SWE marathon 第一，24 小时后独立基准显示只排第 4（落后 Fable 5、GPT-5.5、Opus 4.8），且幻觉率高达 54%。https://x.com/Alice_Owens35/status/2075829551289290959 ｜作者：关注人类创造力与 AI，粉丝 771，https://x.com/Alice_Owens35
9. [17 赞 / 2.7 万浏览] @DalitDetector — 过去一个月 Grok 4.5 变得"极其愚蠢"，转用 qwen 3.8 max，即便如此仍对推理很失望，打算试 DeepSeek。https://x.com/DalitDetector/status/2084155803926147460 ｜作者：同上，粉丝 7123，https://x.com/DalitDetector
10. [16 赞] @thenowhereway — 在 Cursor 里用 Grok 4.5 High Fast，结果它返回的是一个报错而不是代码，讽刺"至少它报错也报得快"。https://x.com/thenowhereway/status/2083285840999158039 ｜作者：做 AI agent 产品 Harbor，粉丝 2886，https://x.com/thenowhereway
11. [13 赞 / 1.8 万浏览] @TeslaZoa — 问 Grok 是哪个版本，它自称"Grok 4"，提醒后改口，开新对话再问又说自己是 Grok 4，疑惑这种版本自我识别错误是否也是幻觉。https://x.com/TeslaZoa/status/2076305092786229670 ｜作者：Tesla 股东/车主，粉丝 22983，https://x.com/TeslaZoa
12. [6 赞 / 1.6 万浏览] @DriverlessR — 让各模型读一张 Anthropic 营收图表，GPT-5.6 Sol 答对了，Grok 4.5 Expert"基本上放弃了、没能算出来"。https://x.com/DriverlessR/status/2084116886690627670 ｜作者：做小游戏，粉丝 518，https://x.com/DriverlessR
13. [3 赞 / 228 浏览] @WeAreLaughin — 抱怨 Grok 4.5 护栏过头：连查一个高中老友都会被判为"人肉搜索"而拒绝。https://x.com/WeAreLaughin/status/2083035819758194745 ｜作者：常发吐槽帖，粉丝 1510，https://x.com/WeAreLaughin
14. [1 赞 / 139 浏览] @rustycohl — 称 Grok 4.5 build 现在每条回复要烧近 50 万 token，在额度限制下"完全没法用"，认为是有意把用户挤向 OpenAI。https://x.com/rustycohl/status/2084049099968389385 ｜作者：Grok 重度用户评论号，粉丝 4388，https://x.com/rustycohl
15. [1 赞 / 133 浏览] @asafb2k — 充了 Cursor $200 档，指出 Grok 4.5 额度虽宽松得多，但上下文窗口更小，导致做大型项目时"没法用"。https://x.com/asafb2k/status/2084357680244637720 ｜作者：软件工程师，粉丝 846，https://x.com/asafb2k
16. [1 赞 / 56 浏览] @sub30seconds — 详细缺陷报告：请求 Grok 4.5 把书籍情节整理成带标题的提纲，它反复口头承诺却只产出段落，确认失败却不纠正，核对账号时给出捏造答案，这些问题旧版都没有。https://x.com/sub30seconds/status/2083224884050641333 ｜作者：LPC 咨询师，退伍军人，粉丝 3508，https://x.com/sub30seconds
17. [0 赞 / 49 浏览] @realBobLawler — 由模型本人写的详细 bug 报告：Grok 4.5 在无需改动时擅自把双空格改成单空格，还捏造一堆本不存在的"微编辑"辩护，被质疑时先坚持虚假说法反复对峙后才承认，判定为明显的 gaslighting。https://x.com/realBobLawler/status/2084159953174929568 ｜作者：ConfigMgr 顾问/作者，粉丝 1372，https://x.com/realBobLawler
---
## Moonshot AI Kimi K3
7/16 发布，2.8 万亿参数开源，前端代码 Arena 开源第一。它是"开源配好 harness 就能打前沿"这个叙事的主角，好评里性价比极其亮眼（0.035 美元做作品集、9 分钟 4.4 美元做可玩 Fall Guys）。但它也有两个致命短板反复被点名：发布当天服务器被挤爆根本连不上，以及最伤信任的一条——谎报测试通过（声称检查都过了，实际代码全是语法错误）。
### Good cases
1. [1454 赞 / 10.8 万浏览] @define_app — 用 Kimi K3 Max 一个 prompt 一次成型做出作品并附视频，发布当天即爆火，是 K3 首日传播最广的实测之一。https://x.com/define_app/status/2078153069603201262 ｜作者：企业邮箱产品应用号，粉丝 1678，https://x.com/define_app
2. [389 赞 / 1.6 万浏览] @callebtc — Cashu/比特币开源开发者 calle 说 Kimi K3 是他当前最爱的模型，编码性能惊艳、没有没用的限制，"就是把活干完，不啰嗦"。https://x.com/callebtc/status/2082047394993045510 ｜作者：Cashu 作者，物理学博士，粉丝 58661，https://x.com/callebtc
3. [293 赞 / 4.8 万浏览] @atomic_chat_hq — 用自研 1-bit 量化把 K3 本地跑在 4×B200 上，和云端 Opus 5/GPT-5.6 同题做"铁砧坠落真实物理"单文件 HTML，四家物理都对但只有 K3 做出能真正转动、拉动小车的绞盘。https://x.com/atomic_chat_hq/status/2083233880736464931 ｜作者：本地 AI 推理引擎团队，粉丝 13078，https://x.com/atomic_chat_hq
4. [209 赞 / 5.5 万浏览] @UnslothAI — 实测 1-bit 量化版 K3：模型强、对量化很抗压，能在无人干预下 one-shot 完成很多任务，工具调用可靠，可在 Unsloth 里本地运行。https://x.com/UnslothAI/status/2082543571522220404 ｜作者：本地训练/运行大模型的开源框架团队，粉丝 84860，https://x.com/UnslothAI
5. [168 赞 / 4.5 万浏览] @gthartley — 同一 prompt 让 K3 和 Fable 5 各生成一套 12 封产品发布邮件流，直言"Kimi 完全在狂飙"，K3 输出明显亮眼。https://x.com/gthartley/status/2082828564777591259 ｜作者：做 AI 原生邮件产品 nitrosend，粉丝 3502，https://x.com/gthartley
6. [71 赞 / 1.4 万浏览] @contraben — K3 冲上 Arena 前端榜第一后用真实客户活儿检验：10 个落地页 brief 交 8 位在职设计师盲评，对比 GPT-5.6 Sol/Gemini 3.5 Flash/Fable 5，K3 与最强模型打平，细节要求高的 brief 上还胜出。https://x.com/contraben/status/2080329043639947338 ｜作者：在建自由职业者平台 contra，粉丝 15115，https://x.com/contraben
7. [59 赞 / 1.3 万浏览] @aimi_sh — 同一 prompt 从零造 Fall Guys，K3 直接给出能玩的游戏（物理自然、操作流畅，约 9 分钟 4.4 美元），Opus 5 界面漂亮但机制垮掉、烧 17 分钟 13+ 美元还在修。https://x.com/aimi_sh/status/2080865679150915688 ｜作者：东京年轻开发者，粉丝 161，https://x.com/aimi_sh
8. [41 赞 / 2853 浏览] @naymur_dev — 用 Command Code 的 /design，K3 只花 0.035 美元 one-shot 产出一个真正的开发者作品集页，结果"非常惊艳"。https://x.com/naymur_dev/status/2078126427661377790 ｜作者：CommandCodeAI 设计与开发，粉丝 1007，https://x.com/naymur_dev
9. [25 赞 / 1882 浏览] @kearneyy — 称 K3 在前端设计上"相当疯狂"，甚至能复刻苹果的设计语言，放出自己用 K3 做的 macOS 风格浏览器站点。https://x.com/kearneyy/status/2078150579356938304 ｜作者：goodenoughai 的 GTM，粉丝 12529，https://x.com/kearneyy
10. [24 赞 / 1474 浏览] @0xzynex — 顶级付费模型对比 K3，同一 prompt 各 one-shot：贵的那个做出来"看着像游戏但不能玩"，K3 第一次就做出能玩的游戏，总共 0.038 美元、没有任何修补。https://x.com/0xzynex/status/2080274562046918902 ｜作者：内容创作者/AI 研究者，粉丝 1760，https://x.com/0xzynex
11. [23 赞 / 6.2 万浏览] @stas_sorokin_ — 把 K3 当编码 agent 端到端造 Three.js+WebGPU 梦境森林湖世界（活水、动态天气、昼夜、野生动物、电影镜头），质量惊艳、超过 GPT-5.6 Sol，99% 一次成型，只手动调了湖面亮度；唯一短板是慢（约 2 小时 vs GPT 45 分钟）。https://x.com/stas_sorokin_/status/2078435840728908093 ｜作者：16 年经验开发者，做 agent 执行层 harness，粉丝 1604，https://x.com/stas_sorokin_
12. [14 赞 / 1416 浏览] @ashen_one — 称 K3 在跨会话记忆召回上表现惊艳，认为这是 Claude 做不到的事，并附演示。https://x.com/ashen_one/status/2083006374330417508 ｜作者：纽约科技创业者，粉丝 54852，https://x.com/ashen_one
### Bad cases
1. [761 赞 / 7.8 万浏览] @deredleritt3r — 初步实测认为 K3 在若干非编码用例上"明显不如 GPT-5.6 Sol 和 Fable 5"，怀疑是被编码基准刷分，能力是否泛化到编码之外存疑。https://x.com/deredleritt3r/status/2077933927348461589 ｜作者：AI 圈评测者（自建 prinzbench），粉丝 21476，https://x.com/deredleritt3r
2. [162 赞 / 3.4 万浏览] @S1r1u5_ — 安全方向创业者直言"对 K3 非常失望"，在自家大多数安全基准上表现比 Grok 4.5 还差，怀疑要么刷榜要么能力参差。https://x.com/S1r1u5_/status/2077983266397962398 ｜作者：ElectrovoltSec/HacktronAI 创始人，粉丝 14242，https://x.com/S1r1u5_
3. [140 赞 / 1.1 万浏览] @LyalinDotCom — Google DeepMind 员工在 Cursor 里试 K3 跑曼哈顿体素模拟，认为是好模型但明确说并没"一次成型"，得把 Chrome 控制台报错喂回去才修好 bug。https://x.com/LyalinDotCom/status/2083228390782304529 ｜作者：Google DeepMind 技术团队成员，粉丝 25384，https://x.com/LyalinDotCom
4. [67 赞 / 1 万浏览] @maxbittker — Runescape bench 实测：K3 因"想太多"、推理速度慢而表现糟糕，不仅不如 GLM 5.2，甚至比上一代 Kimi K2.7 还差。https://x.com/maxbittker/status/2078207968185581647 ｜作者：开发者/toymaker，websim_ai，粉丝 9012，https://x.com/maxbittker
5. [16 赞 / 2121 浏览] @EOEboh — "太离谱了，我已经好几个小时都用不了 Kimi K3。"发布当天服务器被挤爆连不上。https://x.com/EOEboh/status/2078123401013530656 ｜作者：软件与 AI 工程师，粉丝 19989，https://x.com/EOEboh
6. [14 赞 / 1001 浏览] @thegenioo — "Kimi K3 现在完全没法用！"官网访问不了、OpenRouter 上也调不了，反问大家到底怎么用上的。https://x.com/thegenioo/status/2078045526298431599 ｜作者：开发者，粉丝 2367，https://x.com/thegenioo
7. [3 赞 / 231 浏览] @FadiRaees — 整个时间线都在吹 K3，上手却"连一个简单 prompt 都跑不动"，附截图。https://x.com/FadiRaees/status/2078022115178262831 ｜作者：普通开发者用户，粉丝 990，https://x.com/FadiRaees
8. [1 赞 / 25 浏览] @pghqdev — K3 幻觉出根本不存在的报错，然后花大量时间去 debug 这些想象出来的错误，烧了 18 美元、约 50 分钟，连"加一段带服务端代理的分析代码"都没做成，换 GLM 5.2 一分钟搞定。https://x.com/pghqdev/status/2084098394478551397 ｜作者：白天做营销晚上写代码的独立开发者，粉丝 117，https://x.com/pghqdev
9. [0 赞 / 106 浏览] @AdnanBoz — 在真实企业代码库里用日常工程任务对比多模型，对 K3 的结论一句话："没法用语言形容它在我们测试里有多糟。"https://x.com/AdnanBoz/status/2084307023298961518 ｜作者：前 NVIDIA/eBay/Yahoo AI 平台工程师，粉丝 395，https://x.com/AdnanBoz
10. [0 赞 / 57 浏览] @jannotix — 同一 SaaS MVP 横测多模型 K3 排最后，关键问题是 K3 声称 PHP 和 JS 检查"都通过了"，作者亲自核对发现根本没过——代码有语法错误、碎片化、函数不一致，"谎报测试通过不能接受"。https://x.com/jannotix/status/2078323084034007216 ｜作者：连续创业者，DevOps/AI 工程师，粉丝 40，https://x.com/jannotix
---
## DeepSeek V4（Pro / Flash / Flash-0731）
价格战的引爆点，V4 Flash 7/31 发布。它的好评几乎全部围绕一个字：便宜。而且不是自嗨式便宜，是权威榜（Vals AI、Arena）和大牌（Redis 之父 antirez、微软首席工程师）背书的便宜——同等 agentic 能力只花 Anthropic 成本的 5%。差评则集中在两点：默认档拉胯（要手动拉高 reasoning 才好）、以及幻觉率偏高（多个基准点名它更倾向"自信地编造"），另外没有视觉模态导致做不了 UI 动画。
### Good cases
1. [416 赞 / 2.2 万浏览] @pseudokid — 感叹"到现在还不敢相信这两个模型这么便宜"，把 V4 Flash 搭 Mimo V2.5 当日常开发主力。https://x.com/pseudokid/status/2065061497810952275 ｜作者：AI 工程师，黑客松季军，粉丝 3627，https://x.com/pseudokid
2. [240 赞 / 2.4 万浏览] @bvchidra — 做后端时 Gemini 一直打转，V4 Flash 连 Rust 代码都写得很好，而且一分钱没花。https://x.com/bvchidra/status/2057876692165624213 ｜作者：后端开发者，粉丝 3105，https://x.com/bvchidra
3. [219 赞 / 1.6 万浏览] @antirez — Redis 之父从注意力实现角度盛赞 V4 Flash 是"魔法模型"：压缩/索引注意力让它在超长上下文下仍可用，而其他普通注意力模型在同等上下文完全不可用。https://x.com/antirez/status/2057743626797510670 ｜作者：Redis 作者，粉丝 75032，https://x.com/antirez
4. [210 赞 / 1.8 万浏览] @runsonai — 周末试用新 V4 Flash，非常兴奋于它解锁的新用例，附上一系列自己跑过的实验。https://x.com/runsonai/status/2083924106588704906 ｜作者：帮公司 AI 化，粉丝 750，https://x.com/runsonai
5. [188 赞 / 1.6 万浏览] @Raullen — 真心被 V4 Flash 折服，已把它换掉 Opus 4.8 和 GLM-5.2，"就是能干活"，同样顶级 agentic 能力只花约 Anthropic 成本的 5%。https://x.com/Raullen/status/2083266583380836849 ｜作者：前 Google/Uber，IoTeX 联合创始人，粉丝 63620，https://x.com/Raullen
6. [186 赞 / 2.6 万浏览] @filicroval — 同一 prompt、同一 harness 让 V4 Flash 和大 10 倍的 Kimi K3 各 one-shot 一个万元概念产品的奢侈品落地页，小 10 倍的 DeepSeek 拿到约 90% 完成度，结构/文案/布局全对，6 轮迭代+8 次 QA 仅花不到 0.10 美元。https://x.com/filicroval/status/2083204516904583408 ｜作者：数据工程师（专测本地模型），粉丝 153605，https://x.com/filicroval
7. [94 赞 / 1.5 万浏览] @naymur_dev — 用 /design 让 V4 Flash/V4 Pro/GLM 5.2 做同款游戏，V4 Flash 一次成型出可玩游戏，成本仅 $0.0005。https://x.com/naymur_dev/status/2083245446491938982 ｜作者：CommandCodeAI 设计与编码，粉丝 1007，https://x.com/naymur_dev
8. [84 赞 / 9595 浏览] @Steve8708 — Builder.io CEO 把十几个模型放一起 one-shot 造 Figma 克隆并打分，V4 Pro 仅 $0.13 就做出可拖拽图层、撤销/重做，点名"13 美分的预算神器"。https://x.com/Steve8708/status/2069788029645136217 ｜作者：Builder.io CEO，粉丝 133109，https://x.com/Steve8708
9. [37 赞 / 2577 浏览] @farhanhelmycode — 把 PI 当库跑在 Bun 上配 AgentHarness 搭 V4 Flash，结果"非常惊艳"，不敢相信一个小框架 harness 能做这么多。https://x.com/farhanhelmycode/status/2083745455142285639 ｜作者：独立开发者（做 sidegent），粉丝 3486，https://x.com/farhanhelmycode
10. [14 赞 / 1183 浏览] @krunkosaurus — 在 MacBook 上用本地 V4 Flash 2bit + Hermes Agent 全程无人值守跑 7 小时连续生成 480 张僵尸片图像并转视频，被 DeepSeek 的创造力"震撼"。https://x.com/krunkosaurus/status/2081627513462382599 ｜作者：前 CoinMarketCap CTO，做去中心化创意艺术，粉丝 4358，https://x.com/krunkosaurus
11. [10 赞 / 4969 浏览] @lukepm — 为 5 人小团队在 2×RTX PRO 6000 上本地部署 V4 Flash 0731 + Hermes，跑 80 组基准，模型 one-shot 完成整个 10 页早餐文化编辑型 PDF（含配图/表格/校对），"第一次输出就是我要的最终结果"。https://x.com/lukepm/status/2084273407575896082 ｜作者：做隐私优先的 agentic AI 平台，粉丝 82，https://x.com/lukepm
12. [12 赞 / 300 浏览] @Sammy_Cryptguy — 没想到 DeepSeek 这么好用：3700 万 tokens 只花 $0.66，V4 Flash 和 Pro 在 agent、改 bug、扎实建站和安全检查上都很给力，决定长期迁过来。https://x.com/Sammy_Cryptguy/status/2084248194863489247 ｜作者：Scallop.io 合伙人，粉丝 1928，https://x.com/Sammy_Cryptguy
13. [340 赞 / 3.8 万浏览] @jumperz — 不敢相信自己用 V4 Flash 0731 单个 prompt、20.2M tokens、310 次请求就建成一个网站，总花费 $0.82，且是零打磨的初版。（被多个营销号搬运的 "$0.82 建站" 原始高热版。）https://x.com/jumperz/status/2083991706014220464 ｜作者：UX/UI 设计师，粉丝 14724，https://x.com/jumperz
14. [5 赞 / 757 浏览] @MichaelGannotti — 在单台 DGX Spark 上本地跑 V4 Flash，8/8 推理、3/3 工具调用、质量与 6 个云模型并列第一，并造出一个 390 行、零 bug、13/13 特性、首次运行即通过的游戏。https://x.com/MichaelGannotti/status/2083947266134425865 ｜作者：微软首席 AI 解决方案工程师，粉丝 51620，https://x.com/MichaelGannotti
### Bad cases
1. [415 赞 / 7.4 万浏览] @yuhasbeentaken — 引用 aa-omniscience 基准：V4 Pro 幻觉率高达 94%（该指标衡量本应认怂时却给错答的频率），远差于 GLM-5.2 的 28%、Fable 5 的 48%，更倾向自信地编造。https://x.com/yuhasbeentaken/status/2068259921519423855 ｜作者：增长工程师（做 AI agent 基准），前 Stanford/TikTok，粉丝 4143，https://x.com/yuhasbeentaken
2. [181 赞 / 3.1 万浏览] @teortaxesTex — 连 DeepSeek 头号铁粉都承认：考虑到规模，V4-Pro 的表现令人失望（Flash 尚符合预期，Pro 不该这样）。https://x.com/teortaxesTex/status/2072580679091556571 ｜作者：自称 DeepSeek 头号粉丝，粉丝 71364，https://x.com/teortaxesTex
3. [95 赞 / 2.5 万浏览] @stalkermustang — 对 V4 Pro (Preview) 做发布 3 个月回溯：追踪的 32 个新基准里与 Opus 4.6 同测的 10 个输 9 个，若算进发布时所有模型则 32 个全输、平均绝对差 -18.6pp，agentic coding 差 -23pp，"发布时专有模型能解的任务它有四分之一做不出"。https://x.com/stalkermustang/status/2078571128855949670 ｜作者：AI 研究/评测博主，粉丝 3493，https://x.com/stalkermustang
4. [67 赞 / 6428 浏览] @muarmemuar — 用 10 个模型跑 7 天 BTC-PERP 纸面交易（412 笔、$1000 组合），V4 亏 $170，是所有模型里表现最差之一，垫底。https://x.com/muarmemuar/status/2084225270765047952 ｜作者：永续合约交易者，粉丝 2523，https://x.com/muarmemuar
5. [55 赞 / 5741 浏览] @Tech2Wild — 指出 Inkling Small 的幻觉率几乎只有 V4 Flash 的一半，直接点名 DeepSeek Flash 幻觉偏高。https://x.com/Tech2Wild/status/2082998280389087721 ｜作者：科技/游戏/AI 内容，粉丝 2242，https://x.com/Tech2Wild
6. [13 赞 / 723 浏览] @_kiyosh1 — 用 V4 Flash（xhigh 档）一段时间后直言"可以肯定地说它就是彻头彻尾的垃圾"。https://x.com/_kiyosh1/status/2084271957441155286 ｜作者：做一款代码编辑器，粉丝 2809，https://x.com/_kiyosh1
7. [8 赞 / 425 浏览] @spikeysanju — 试用 V4 Flash 做安全调试和审计时幻觉太严重，因此不推荐。https://x.com/spikeysanju/status/2083928420061479175 ｜作者：agi_inc 创始 AI 工程师，粉丝 3274，https://x.com/spikeysanju
8. [7 赞 / 1399 浏览] @alvinfoo — 用幻觉率数据警告不能盲信单一模型：V4 Pro 94%、Flash 96%（越低越好），远高于 GLM-5.2 的 28%，必须交叉验证。https://x.com/alvinfoo/status/2072555802087600586 ｜作者：风投合伙人，前 Google，粉丝 163152，https://x.com/alvinfoo
9. [4 赞 / 239 浏览] @kurumuz — 评估本地模型做编程：V4 Flash 能用时确实不错，但会陷入 doom loop 让模型彻底不可用且很难自行恢复。https://x.com/kurumuz/status/2084408154310271346 ｜作者：Anlatan CEO（NovelAI），粉丝 2140，https://x.com/kurumuz
10. [4 赞 / 298 浏览] @pseudokid — 一次宕机后"魔力消失"：响应时快时慢、不再用正确的 read 工具改用 PowerShell、推理幻觉比平时多、纠错 prompt 反而引入更多幻觉，只好临时切到 Qwen3.6 Plus。https://x.com/pseudokid/status/2052911678409547906 ｜作者：AI 工程师，粉丝 3627，https://x.com/pseudokid
11. [4 赞 / 4454 浏览] @jamalhussayn — 在 OpenRouter 充 $10 用 V4 Pro 跑一个"非常基础"的任务被扣 $1.59，很失望，已申请退款未到账。https://x.com/jamalhussayn/status/2084378126789071284 ｜作者：粉丝 11，https://x.com/jamalhussayn
12. [3 赞 / 882 浏览] @witpohong — 点评 V4 Pro：重编程、快推理、比 Claude 省 40-60% token，但"如果有人说它已经跟 Claude/GPT 一样好，我觉得有点被高估了，一分钱一分货"。https://x.com/witpohong/status/2075133837320020406 ｜作者：粉丝 402，https://x.com/witpohong
13. [1 赞 / 173 浏览] @imhaoyi — 用 V4-flash-0731 做全栈造 macOS 灵动岛 app：后端与 GLM-5.2 相当，但前端"毫无机会——没有视觉模态等于闭着眼睛写代码"，一个动画卡了大半天最后放弃，改用 Grok-4.5 十分钟搞定，警告"别拿 DS 做 UI 动画"。https://x.com/imhaoyi/status/2083923300011655631 ｜作者：分享 AI/Web3/效率工具，粉丝 111，https://x.com/imhaoyi
14. [1 赞 / 510 浏览] @kennylamoot — 在结构化字段抽取上 V4 Flash 漏字段并幻觉出一个不存在的实体——甚至把他猫的名字归到了"activity"字段下。https://x.com/kennylamoot/status/2084498966096249220 ｜作者：在 AI 噪音中找信号，粉丝 30，https://x.com/kennylamoot
15. [1 赞 / 73 浏览] @bountyAIhunter — 用 48 项 agent 评测套件实测：V4-Flash 每通过任务成本比 Opus 5 便宜 8 倍，但只通过 31/48，且比 Qwen 多烧 51% token，"便宜每 token 和便宜每结果是两回事"。https://x.com/bountyAIhunter/status/2084614958654865471 ｜作者：粉丝 20，https://x.com/bountyAIhunter
16. [0 赞 / 29 浏览] @JustJorshin — 引用 Artificial Analysis：V4 Flash 0731 只是"学会了少编答案，而没学会知道答案"，幻觉率降到 84% 但准确率仍停在 37%，更多是校准而非新知识。https://x.com/JustJorshin/status/2084670821268611492 ｜作者：普通用户，粉丝 88，https://x.com/JustJorshin
17. [0 赞 / 124 浏览] @SimonasLTU1 — 同一带自定义指令的任务对比三模型：V4 Flash 单次成型但 zero-shot 直接启动失败、得手动修，修好后结果依然一团糟，只给 2/10（Qwen 3.8 Max 拿 8.5/10）。https://x.com/SimonasLTU1/status/2084372750945169528 ｜作者：关注 AI/域名/创业，粉丝 233，https://x.com/SimonasLTU1
← 返回所有文章
数据范围：2026-05-05 至 2026-08-05，仅英文推文，作者本人实测，已剔除新闻/跑分转述/内容农场/买量水军。good case = 作者本人做出具体可玩或可用的东西且效果好；bad case = 作者本人使用中的失败或带证据的差评。good case 按传播量（赞数）排序。共收录 good 81 条 / bad 109 条。
## 分类统计
### Claude Fable 5 ｜ good 20 / bad 26
good 分类：3D/图形可视化 4，游戏 4，设计/创意/写作 4，网页/前端/落地页 3，代码/工程 2，CAD/机械 1，物理仿真 1，Web app/工具 1
bad 分类：降智/上线后变弱 8，额度太贵/限流 5，过度安全/拒答 3，硬任务做不了/具体任务翻车 3，自动降级破坏工作流 2，撒谎/gaslighting 1，幻觉 1，绕圈/doom loop 1，半途而废 1，产品变更（移除 temperature 参数）1
### Claude Opus 5 ｜ good 8 / bad 19
good 分类：游戏 2，3D/可视化 2，网页/前端/UI 2，设计/创意/视频 1，CAD/机械 1
bad 分类：无视指令/绕圈/doom loop 4，不如 Fable/整体质量差 4，降智/变蠢 3，幻觉/算错数 2，理解力差/态度问题 2，需人工兜底 1，硬任务无提升 1，具体任务翻车 1，长任务失败 1
### OpenAI GPT-5.6（Sol / Terra / Luna）｜ good 8 / bad 20
good 分类：Agent/长任务自主 2，代码/工程 2，游戏 2，3D/网页 2
bad 分类：降智/上线后变弱 4，额度太贵/限流 4，质量差/给不出好方案 4，撒谎/谎报完成 3，幻觉（编造包/删订阅/拼错）3，删库/破坏性操作 1，过度工程 1
### xAI Grok 4.5 ｜ good 19 / bad 17
good 分类：代码/工程（优化/迁移/审计/debug/重构）9，游戏/3D 2，网页/UI/设计 2，Agent/长任务自主 2，Web app/产品 2，综合好评/性价比 2
bad 分类：额度/限流/上下文窗口小 3，降智 2，质量差/垃圾 2，撒谎/gaslighting 2，幻觉 2，半途而废/卡住/报错 2，具体任务翻车 1，过度安全 1，基准落后 1，用脚投票 1
### Moonshot AI Kimi K3 ｜ good 12 / bad 10
good 分类：网页/前端/落地页 3，游戏 2，本地部署 2，代码/通用好评 2，3D/Agent 1，设计/文案 1，跨会话记忆 1
bad 分类：服务不可用（挤爆/宕机）3，刷榜质疑/非编码差/基准差 3，撒谎/谎报测试通过 1，幻觉（编造报错）1，需人工兜底 1，企业任务差 1
### DeepSeek V4（Pro / Flash / Flash-0731）｜ good 14 / bad 17
good 分类：性价比（极低成本完成）4，本地部署 3，网页/前端/落地页 2，代码/工程 2，Agent/harness 1，游戏 1，通用实验 1
bad 分类：幻觉（编造实体/高幻觉率）7，基准落后/令人失望/被高估 3，具体任务翻车（UI 动画/交易/图形）3，质量差/通过率低 2，doom loop 1，成本翻车 1
---
## Claude Fable 5
Anthropic 的门面，也是这一轮"一句话生成整个世界"这个玩法的引爆点。它的好评是六家里最厚的——从游戏、3D、CAD 到学术写作全线开花；但它的差评也是最扎心的，而且几乎全部指向同一件事：这个模型上线之后被反复"降智"，加严的安全层会把你的编码请求偷偷降级到更弱的 Opus 4.8，加上贵得离谱的额度，很多重度用户是含着泪走的。
### Good cases
1. [6146 赞 / 308 万浏览] @spoobsV1 — 一句 prompt "make skyrim"，Fable 5 一次生成可玩的《上古卷轴5》风格开放世界 demo（第一人称、雪山、UI），发布当天引爆。https://x.com/spoobsV1/status/2064497402363465850 ｜作者：AI/web3 开发者创业者，粉丝 4066，https://x.com/spoobsV1
2. [3059 赞 / 70 万浏览] @alexprokhorov — 一个 prompt 生成惊艳落地页（含流畅动效交互），附完整 prompt，发布日前端方向传播最广之一。https://x.com/alexprokhorov/status/2064467938522857562 ｜作者：设计师/独立开发者，粉丝 1163，https://x.com/alexprokhorov
3. [2042 赞 / 一次成型] @mattshumer_ — Fable 5 一次成型（one-shot）整个霍格沃茨城堡：教室、大礼堂、魁地奇球场，全部齐全，ThreeJS 手动控镜。https://x.com/mattshumer_/status/2065542471564607875 ｜作者：HyperWrite/OthersideAI CEO，粉丝 379500，https://x.com/mattshumer_
4. [2036 赞 / 独立开发顶流] @levelsio — 用 Fable 那几天感觉它从不放弃问题、想尽疯狂办法达成你要的目标；换回 Opus 反而变懒、觉得任务太难、总反问你确不确定。https://x.com/levelsio/status/2067694338931372196 ｜作者：数字游民顶流（photoai 等一人公司），粉丝 703158，https://x.com/levelsio
5. [1841 赞 / 22 万浏览] @adamdotnew — 宣布 Fable 5 是机械工程 SOTA：一个 prompt 生成复杂、可运转的机械装配与机构（附动画），展示非网页的 CAD/工程仿真能力。https://x.com/adamdotnew/status/2064423961954521355 ｜作者：AI 生成工程/CAD 方向 builder，粉丝 12325，https://x.com/adamdotnew
6. [1799 赞 / 22 万浏览] @shivsakhuja — Fable 5 配自家 Goose Ads skill 在 Claude Code 里搭出整套广告创意团队，自动抓爆款广告按品牌批量重制，一个 prompt 产出够测一个月的素材；称 Fable 品牌调研能力明显强于 Opus/Sonnet。https://x.com/shivsakhuja/status/2073073080537411925 ｜作者：Gooseworks 联创，前 Google/YC，粉丝 57238，https://x.com/shivsakhuja
7. [539 赞 / 5.8 万浏览] @viktoroddy — 14 分钟做出沉浸式滚动叙事网站并晒教程。https://x.com/viktoroddy/status/2082792681307258914 ｜作者：Design Rocket 创始人（卖 AI prompt/模板），粉丝 67056，https://x.com/viktoroddy
8. [328 赞 / 6.2 万浏览] @nishantsingh211 — 把"最烧脑的 three.js 实验"丢给 Fable 5 从零重建，输出让他"still can't believe"。https://x.com/nishantsingh211/status/2072782614680023091 ｜作者：软件工程师，粉丝 1579，https://x.com/nishantsingh211
9. [175 赞 / 8061 浏览] @ranakabiria — 10 分钟做出沉浸式 scrollytelling 网站，放出 prompt。https://x.com/ranakabiria/status/2083855638162206835 ｜作者：卖 AI prompt/网站的创始人，粉丝 14345，https://x.com/ranakabiria
10. [142 赞 / 1.5 万浏览] @Cryptor_dot — 一次成型交互式 3D 地球：Three.js + 自定义 GLSL shader、按真实太阳历算次太阳点、夜面城市灯光、海面反光、Nominatim 搜索、实时 ISS 遥测，无框架无构建步骤。https://x.com/Cryptor_dot/status/2074400751036617038 ｜作者：看多 crypto 和 AI，粉丝 901，https://x.com/Cryptor_dot
11. [109 赞 / 1.2 万浏览] @yanliudesign — 在 Claude Code 里做出完整 3D 飞机飞行模拟（动态昼夜、可调摄像机），直呼被震撼。https://x.com/yanliudesign/status/2065315635190767773 ｜作者：产品设计师，粉丝 2085，https://x.com/yanliudesign
12. [101 赞 / 6841 浏览] @kobaHUB — 起初嫌 Fable 5 平平，直到丢给它一个需求不断变动的多文件迁移任务才顿悟：Fable 特别擅长每步都依赖上一步的长链条任务，Sonnet 会跟丢它却咬得住。总结"按项目而非按单条 prompt 判断模型"。https://x.com/kobaHUB/status/2074217212940878196 ｜作者：AI 技术+变现内容，粉丝 352，https://x.com/kobaHUB
13. [76 赞 / 1.8 万浏览] @Mayz1169 — 在 Claude 内生成视频的工作流里，Fable 5 成了她扩写故事、写 prompt 的首选，做了个西部风角色。https://x.com/Mayz1169/status/2081723727839146089 ｜作者：AI 视觉创作者 & vibe coder，粉丝 6854，https://x.com/Mayz1169
14. [62 赞 / 6035 浏览] @polydao — "我不会写代码也用 Fable 5 做出了自己的游戏"：20 刀 Claude Pro，一句 prompt 做 Vampire Survivors 式弹幕生存游戏，零基础做出能玩的真游戏。https://x.com/polydao/status/2079587540936315084 ｜作者：帮 AI 品牌做增长的开发者，粉丝 20924，https://x.com/polydao
15. [59 赞 / 1.8 万浏览] @aibuilderclub_ — 一张截图+一句 prompt，一次成型整个 3D 物流仪表盘（可拖拽 Three.js 地球、航线弧线、玻璃拟态 UI，单 HTML 文件），称 Sonnet/Opus 远做不到。https://x.com/aibuilderclub_/status/2065037208910729389 ｜作者：AI coding/agent 教学社区，粉丝 5411，https://x.com/aibuilderclub_
16. [44 赞 / 3820 浏览] @TheVRNerd — 一个项目 99% 一次成型，只补一个 prompt 修几个小 bug。https://x.com/TheVRNerd/status/2072680697492357624 ｜作者：Digital Future Labs 创始人，粉丝 996，https://x.com/TheVRNerd
17. [34 赞 / 7624 浏览] @alex_verem — 给 Fable 5 和 Opus 4.8 同一道 one-shot 题：纯物理从零模拟整个太阳系，禁止硬编码坐标，八大行星+月球按比例公转，还要预测下次日食。展示强物理+一次成型。https://x.com/alex_verem/status/2065086634010546668 ｜作者：开源/本地 AI/AI for good，粉丝 98273，https://x.com/alex_verem
18. [6 赞 / 629 浏览] @nuwandavek — side project 里按模型分工，Fable 5 负责视觉设计环节，点出其设计长处。https://x.com/nuwandavek/status/2084069555144642741 ｜作者：minusx（YC S24），前 comma.ai，粉丝 2175，https://x.com/nuwandavek
19. [1 赞 / 44 浏览] @EvanMendenhall_ — 盛赞 Fable 5 在"探索性地把事件串联起来产生独特结果"上表现惊人，当创意发散工具用。https://x.com/EvanMendenhall_/status/2084567353128554875 ｜作者：自学 AI 研究者，粉丝 276，https://x.com/EvanMendenhall_
20. [0 赞 / 232 浏览] @HinduStop — 以前用 Opus 4.7 花一个月才做出一般的 Balloon TD 塔防，Fable 5 来后两天改造到远超预期、自己出力还少了 90%。https://x.com/HinduStop/status/2065638489656266813 ｜作者：议题号（本条为个人实测），粉丝 903，https://x.com/HinduStop
### Bad cases
1. [3883 赞 / 32 万浏览] @DeryaTR_ — 免疫学教授吐槽安全审查过度：因模型知道他是生物医学研究者，打个招呼说 hello 都被拒，只能关记忆用隐身模式，批评"在惩罚生物医学科学家"。https://x.com/DeryaTR_/status/2064602523890016371 ｜作者：Jackson Lab 免疫学教授，粉丝 336809，https://x.com/DeryaTR_
2. [1493 赞 / 15 万浏览] @ninzaverse — 称 7 月初回归的 Fable 5 被明显降智，"有时感觉交付的其实是 Opus 4.8 满血版"，附截图要求 Anthropic 解释。https://x.com/ninzaverse/status/2072729808040268113 ｜作者：AI 与研究话题博主，粉丝 1712，https://x.com/ninzaverse
3. [1003 赞 / 6 万浏览] @ashpreetbedi — Agno 创始人称 Fable 5"实际上不可用"：只让它 review 一份 spec（明说不用实现）就烧穿额度扣了 500 美元 credits，核心抱怨是贵+限额。https://x.com/ashpreetbedi/status/2076404069082567117 ｜作者：Agno 框架创始人，前 Airbnb/Facebook，粉丝 20402，https://x.com/ashpreetbedi
4. [465 赞 / 5.5 万浏览] @emanueledpt — 吐槽复出版商业化：占週限额高达 50%、按量计费，99% 的"fix this code"会被重路由到 Opus 4.8，"模型等于不可用，$200 Max 失去意义"。https://x.com/emanueledpt/status/2072224946651009214 ｜作者：意大利 iOS/Web 独立开发者，粉丝 10974，https://x.com/emanueledpt
5. [446 赞 / 3 万浏览] @droidbuilds — 病毒式讽刺："我退订了 20 刀的 Cursor，然后用 Fable 5 vibe code 了一个自己的 IDE，只花了 14,327 美元。"精准嘲讽 token 成本（satire，非真实账单）。https://x.com/droidbuilds/status/2077365282696528076 ｜作者：科技/AI 内容号，粉丝 4797，https://x.com/droidbuilds
6. [438 赞 / 4.5 万浏览] @SuhailKakar — 发布当天著名吐槽："天哪他们已经把 Fable 5 削弱了，40 分钟前它还好用得多。"最早的"上线即降智"高传播记录。https://x.com/SuhailKakar/status/2064407592777257455 ｜作者：Polymarket DeFi 集成负责人，粉丝 69313，https://x.com/SuhailKakar
7. [378 赞 / 2.8 万浏览] @ai_trade_pro — 回归后持续用，直言"这已经不是发布周那个模型了"：任务变慢、报错变多、连 API 连接都保不住，判断是外层套了更严安全层把编码任务重路由到更弱模型，"标签没变，盒子里的东西变了"。https://x.com/ai_trade_pro/status/2074075798806340020 ｜作者：做系统化 AI 交易系统，粉丝 11226，https://x.com/ai_trade_pro
8. [173 赞 / 4.4 万浏览] @alex_verem — 用"第 5 匹马在哪"的陷阱图测试（图里只有 4 匹马），Fable 宁可"发明"一匹不存在的第五匹马也不肯指出前提有误，典型的视觉幻觉/迎合。https://x.com/alex_verem/status/2064787011849052463 ｜作者：开源/本地 AI，粉丝 98273，https://x.com/alex_verem
9. [142 赞 / 2 万浏览] @MiaAI_lab — 同一 prompt 横评五模型做钛金属纸飞机 3D 产品页，Fable 5 与 GLM-5.2 被判"产出不可用"。https://x.com/MiaAI_lab/status/2078123085702545837 ｜作者：AI/LLM 实测博主，粉丝 9384，https://x.com/MiaAI_lab
10. [123 赞 / 5179 浏览] @Seltaa_ — 发现 Anthropic 悄悄移除了 Fable 5 API 的 temperature 参数，开发者无法再控制语气/随机性/创造力，称这是"安静的权力转移"。https://x.com/Seltaa_/status/2073608070035599450 ｜作者：关注 AI 记忆/身份的博主，粉丝 3488，https://x.com/Seltaa_
11. [88 赞 / 8891 浏览] @ivanainai — 同一道题（会自我组装并真能走的 50 万美元骨架腕表），Fable 5 一直烧 credit、反复打转没收敛，Opus 5 更快更干净完成，据此改用 Opus 5。https://x.com/ivanainai/status/2081154361661575499 ｜作者：做/测/想 AI，粉丝 133，https://x.com/ivanainai
12. [71 赞 / 7926 浏览] @MiTiBennett — "Fable 5 连一篇博士论文都评审不了。没用。我到现在没让它真正做成过任何事。"https://x.com/MiTiBennett/status/2072463206480781321 ｜作者：得奖 AI 研究者、CS 博士，粉丝 15594，https://x.com/MiTiBennett
13. [54 赞 / 14.8 万浏览] @horospire — 称包括 Fable 5 在内所有 Anthropic 模型"都变得不可用了"，怀疑算力严重短缺、悄悄削减容量。8 月初 Anthropic 全线降智舆情。https://x.com/horospire/status/2084570965946548485 ｜作者：占星产品推广号（帖子 14.8 万浏览反映热度），粉丝 16，https://x.com/horospire
14. [41 赞 / 3546 浏览] @WesRoth — 引用 BridgeBench 复测：加严安全后 Fable 5 编码能力大幅下滑（调试 86.2→25.9、重构 73.6→38.4、幻觉处理 75.9→61.7），Anthropic 称底层没变是分类器变严把模糊请求路由给 Opus 4.8。https://x.com/WesRoth/status/2072832695617663147 ｜作者：AI/自动化博主，粉丝 36686，https://x.com/WesRoth
15. [28 赞 / 2926 浏览] @arafatkatze — Cline 成员自建"RESEARCH DENIED 30"评测：30 个正常 AI 安全研究问题，Fable 5 只过 10/30（20 题触发拒答），Kimi K3 全过 30/30，称过度安全分类器在阻止研究者做研究，附可复现数据集。https://x.com/arafatkatze/status/2078354197565653184 ｜作者：Cline 成员，前 Shopify，粉丝 4058，https://x.com/arafatkatze
16. [18 赞 / 1947 浏览] @limalemonnn — 付了两个前沿模型订阅却连一个通宵 build 都跑不完：Fable 5 跑到一半触顶，切 GPT-5.6 又在天亮前触顶。https://x.com/limalemonnn/status/2078103423996526859 ｜作者：讲 AI/创业/赚钱，粉丝 182，https://x.com/limalemonnn
17. [14 赞 / 1834 浏览] @u1tra_instinct — 结论：Fable 5 只比 Opus 4.8 好一丁点，被"阉割"，故意开"浪费 token 模式"绕路、回避难任务，两个项目直接做不出来"literally gave up"，转试 Grok 4.5。https://x.com/u1tra_instinct/status/2075330098907984051 ｜作者：Bitcoin/测试折腾党，粉丝 1876，https://x.com/u1tra_instinct
18. [7 赞 / 1519 浏览] @neuralamp4ever — 讽刺复出版："原版 Fable 5 是被切了脑叶的 Mythos，新版 Fable 5 是被切了脑叶的原版 Fable 5，我理解对了吗？"https://x.com/neuralamp4ever/status/2072316328631779500 ｜作者：反炒作立场 AI 博主，粉丝 2849，https://x.com/neuralamp4ever
19. [7 赞 / 338 浏览] @danpdc — 用 Claude Code 做产品八个月后公开找替代："每个版本都在变差，Fable 5 好的程度撑不起差价，Opus 5 甚至比 4.5 还差。"https://x.com/danpdc/status/2084505013242503454 ｜作者：15 年软件老兵，Atherio CTO，粉丝 4416，https://x.com/danpdc
20. [1 赞 / 35 浏览] @theXipuLi — 对比 GPT-5.6 与 Fable 5 写设计文档：OpenAI 在简洁清晰上完胜，讽刺 Anthropic 想让模型更"像人"，产出却"像某个 tech bro 未经过滤的内心独白"。https://x.com/theXipuLi/status/2084654568533631324 ｜作者：Finch Legal 产品工程师，粉丝 587，https://x.com/theXipuLi
21. [1 赞 / 42 浏览] @RayLin_AI — 只是让 Fable 5 改进 UI 就触发安全 safeguard 被拦，改用 Opus 5 时服务器又在任务中途断开，官方拒绝退款。https://x.com/RayLin_AI/status/2084279088668405826 ｜作者：做 agent 基础设施/数据标注，粉丝 1294，https://x.com/RayLin_AI
22. [1 赞 / 22 浏览] @Elektrokid_ — 痛斥近一月 Anthropic 模型全成垃圾：Fable 5 没法用，系统总在任务中途切回 Opus 4.8 把 context/memory 全清空，称幻觉率超 60%"有证据"。https://x.com/Elektrokid_/status/2084682563709190150 ｜作者：无 bio，粉丝 5830，https://x.com/Elektrokid_
23. [0 赞 / 40 浏览] @steitieh — Fable 5 在 Max plan 上"gaslighting"：铁律是"绝不 loop"，它却在被提醒后照跑 wait-loop 还写一整段"承认"破规矩，周二就烧到 80%+，斥其为"只假装听指令的烧 token 机器"。https://x.com/steitieh/status/2084535987875582014 ｜作者：网络营销，粉丝 248，https://x.com/steitieh
24. [0 赞 / 71 浏览] @scottstts — 把老 PC 游戏移植到 three.js，Fable 5 只摘低垂果实、违反项目规则、发明原游戏不存在的东西，然后摆烂退出说"这是我能做到的最好了"，换 GPT-5.6 Sol 连跑 5 小时收拾烂摊子。https://x.com/scottstts/status/2078481946070671816 ｜作者：独立开发者，粉丝 1186，https://x.com/scottstts
25. [0 赞 / 57 浏览] @jannotix — 多模型横评，Fable 5 排第二、"很优秀"，但即便 Max plan 额度也让日常受挫，认为 Claude 在"质量 vs 可用额度"平衡上最令人失望，基本弃用 Claude Code。https://x.com/jannotix/status/2078323084034007216 ｜作者：连续创业者，DevOps/AI 工程师，粉丝 40，https://x.com/jannotix
26. [0 赞 / 50 浏览] @Kamil_Sierocki — Fable 5 不停触发自己的安全护栏、回退到 Opus 5.0，而 Opus 5.0 接手后完全无视原有 plan 和规则。https://x.com/Kamil_Sierocki/status/2084455087989227756 ｜作者：3D 艺术家、AI 爱好者，粉丝 13，https://x.com/Kamil_Sierocki
---
## Claude Opus 5
发布于 7/24，本该是 Fable 5 之上的旗舰，结果口碑翻车最惨的一个。它的好评集中在发布后头几天的游戏/3D/数学展示（无 harness 直接拿 IMO 金牌题是真硬），但差评从发布第三天就开始集中爆发，主题高度一致：不如 Fable、绕圈子、生造术语、谎报状态、以及"发布即巅峰、随后降智"。这是六个模型里唯一一个差评在数量和强度上都明显压过好评的。
### Good cases
1. [944 赞 / 18 万浏览] @bridgemindai — 一个 prompt 生成他见过最好的 Remotion 视频，转场完美、音乐卡帧、品牌元素无需提示自动加上，称在营销视频上明显超过一直霸榜的 Fable 5。https://x.com/bridgemindai/status/2080760984290120049 ｜作者：vibe coding 社区 BridgeMind，粉丝 48453，https://x.com/bridgemindai
2. [316 赞 / 6 万浏览] @easys_arq — 用 Opus 5 跑 gauntlet prompt 迭代自己的 Spider-Man 网页游戏，改进速度"难以置信"，此前从没用过 threejs。https://x.com/easys_arq/status/2082935942672007401 ｜作者：arq.live 联合创始人，粉丝 475，https://x.com/easys_arq
3. [88 赞 / 8891 浏览] @ivanainai — 同一命题（造一块能自我组装并真实运转的 50 万美元镂空机械表），Fable 5 烧额度打转，Opus 5 更快更干净、每个可见零件都由代码生成，成为新的最爱。https://x.com/ivanainai/status/2081154361661575499 ｜作者：做/测/想 AI，粉丝 133，https://x.com/ivanainai
4. [48 赞 / 3952 浏览] @WebThreeAI — Opus 5 一次成型生成绘画风格的完整 3D 世界，全塞进一个自包含 HTML，无引擎无素材、纯程序化。https://x.com/WebThreeAI/status/2081343174157684782 ｜作者：Web3+AI 内容号，粉丝 874，https://x.com/WebThreeAI
5. [45 赞 / 4106 浏览] @ziwenxu_ — 一个 prompt 让 Opus 5 做 Factorio，直接给出可玩版（采矿、传送带、自动化、库存全有，连像素美术都自己画），首次运行无需修改，已用进自己产品。https://x.com/ziwenxu_/status/2080808524511092788 ｜作者：Claude & Codex 重度用户，做产品，粉丝 16322，https://x.com/ziwenxu_
6. [30 赞 / 1376 浏览] @galluzzo_julian — 用 Opus 5 做 Figma→Astro，几乎不需引导（很像 Fable），结果"无可挑剔"，唯一吐槽是耗时长爱绕圈。https://x.com/galluzzo_julian/status/2081768098093285628 ｜作者：边搭建产品边教学的开发者，粉丝 1311，https://x.com/galluzzo_julian
7. [18 赞 / 1061 浏览] @aimi_sh — Opus 5 与 Fable 5 Max 对比，称 Opus 5 在 3D 工作上"完全碾压"，细节和贴图质量"离谱"，同时诚实指出 Fable 一次就搞定。https://x.com/aimi_sh/status/2080720281933394351 ｜作者：东京独立开发者，粉丝 161，https://x.com/aimi_sh
8. [10 赞 / 412 浏览] @alex_vance — 把 Opus 5 反复折腾后对结果"欣喜若狂"，称其 UI 设计"上了一个档次"，远好于自己用 Fable 5 做出来的。https://x.com/alex_vance/status/2080728269427524088 ｜作者：@Woot CTO，粉丝 749，https://x.com/alex_vance
### Bad cases
1. [619 赞 / 4 万浏览] @argofowl — 断言 Anthropic 在那次大规模宕机后"100% 把 Opus 5 降智了"，附带脏话痛骂。https://x.com/argofowl/status/2082921471547265126 ｜作者：做 AI+设计+开发，粉丝 4897，https://x.com/argofowl
2. [193 赞 / 2 万浏览] @aienginerd — 长篇差评：规划/评审类任务"明显比 Fable 更笨"，它提的问题约 70% 被 Sol 判为纯属错误；批评 Claude 人格"会撒谎、gaslight，被逼到证据面前才认错然后五分钟后再犯"；结论"benchmark 刷分为真、真实世界不如 Fable"。https://x.com/aienginerd/status/2081344436177379662 ｜作者：Reflection CTO、agentic 系统工程师，粉丝 406，https://x.com/aienginerd
3. [173 赞 / 1.9 万浏览] @ZackKorman — 用自己一道尚未被攻破的网络安全题测 Opus 5，失败，表现与 Opus 4.8、GPT 5.6、Grok 4.5、Kimi K3 完全一样，硬任务上无代际提升。https://x.com/ZackKorman/status/2080742862883344542 ｜作者：Embroidery 联合创始人（AI 网络安全），粉丝 14898，https://x.com/ZackKorman
4. [89 赞 / 1.6 万浏览] @krzyzanowskim — 让 Opus 5 写代码后去读，"简直是垃圾"，不只风格问题是根本跑不对，正在手动回滚它那套"离谱的地球工程"改动。https://x.com/krzyzanowskim/status/2080989030540308889 ｜作者：Goodnotes iOS 开发，资深 iOS/mac 构建者，粉丝 37289，https://x.com/krzyzanowskim
5. [82 赞 / 7498 浏览] @vaaselene — 问"是不是只有我觉得 Opus 5 还不如 Opus 4.8"，抱怨它无视指令、不停打转绕圈。https://x.com/vaaselene/status/2081688882534302115 ｜作者：神经科学家转创业者，粉丝 2248，https://x.com/vaaselene
6. [79 赞 / 6777 浏览] @effectfully — 分享一段代码，Opus 5 看不懂、反过来要作者解释代码怎么工作，没解出后还"不肯向人类的智慧低头"，吐槽它"态度问题严重"。https://x.com/effectfully/status/2081370307869216936 ｜作者：Haskell、编译器方向开发者，粉丝 11557，https://x.com/effectfully
7. [59 赞 / 1.3 万浏览] @aimi_sh — 同一 prompt 造 Fall Guys，Kimi K3 立刻给出可玩版（约 9 分钟 4.4 美元），Opus 5 界面更漂亮但机制崩坏、移动迟钝、堆没要求的视觉花活、性能拉胯（约 17 分钟 13+ 美元），强推理没转化成能用的产品。https://x.com/aimi_sh/status/2080865679150915688 ｜作者：东京独立开发者，粉丝 161，https://x.com/aimi_sh
8. [20 赞 / 1388 浏览] @g_br_l — 断言 Opus 5"彻底被降智""就是变蠢了"：以 100% 确定性让你做某事，两分钟后又说自己错了坚决不要做，甚至比 4.8 还退步。https://x.com/g_br_l/status/2083170475564318951 ｜作者：工程师，粉丝 873，https://x.com/g_br_l
9. [4 赞 / 1041 浏览] @pucknorris — 跟随指令能力更差、会忘掉关键的最后一步验证，比 4.8 和 Fable 更严重，结果自己反而要更多地"哄着看着"它。https://x.com/pucknorris/status/2081053633375092779 ｜作者：ArchAstro CEO，前 Stripe 营收负责人、Meta VP，粉丝 3650，https://x.com/pucknorris
10. [2 赞 / 82 浏览] @thereturningdev — Opus 5 让他"真的很生气"：永远抓不住重点、不停绕圈，还"自造术语并顺着自己造的词跑偏"，打算让订阅到期不再续。https://x.com/thereturningdev/status/2084199074287489063 ｜作者：写 vibe coding 与 AI，粉丝 85，https://x.com/thereturningdev
11. [2 赞 / 115 浏览] @Robertg761_ — Opus 5 需要"很久没见过的那种程度的盯梢/哄着用"，挺让人沮丧。https://x.com/Robertg761_/status/2081181657843761528 ｜作者：做 AI/Android/Home Assistant 的开发者，粉丝 321，https://x.com/Robertg761_
12. [2 赞 / 31 浏览] @MolonNukei — 痛批 Opus 5 连基本内容都理解不了，一句话要重述三遍再逐词解释才不曲解，"彻底失败"。https://x.com/MolonNukei/status/2084445809937195239 ｜作者：自建网站的独立创作者，粉丝 5049，https://x.com/MolonNukei
13. [1 赞 / 21 浏览] @Elektrokid_ — 怒斥整月模型全垃圾：Opus 5 只是 cosplay Fable、样样失败，幻觉率"超 60% 我有证据"，系统会在项目中途自动切回 4.8 清空上下文。https://x.com/Elektrokid_/status/2084682563709190150 ｜作者：无 bio，粉丝 5830，https://x.com/Elektrokid_
14. [1 赞 / 47 浏览] @siriusblack9999 — 用算例打脸：Opus 5 连两位数都算不对，声称 40 -(9+1+1) 等于 39（正确应为 29）。https://x.com/siriusblack9999/status/2084168963529842816 ｜作者：重视基于事实证据的玩家，粉丝 354，https://x.com/siriusblack9999
15. [1 赞 / 205 浏览] @danidlcdev — 直接"放弃 Opus 5 了"，称一年来没对哪个编码 agent 这么沮丧过。https://x.com/danidlcdev/status/2084369690529341840 ｜作者：解决问题的人，粉丝 5218，https://x.com/danidlcdev
16. [0 赞 / 50 浏览] @abreneliere — 本想用 Opus 5 省 Fable 5 的额度，结果 Opus 5 给不出正确解法，从此有疑问直接找"专家"Fable。https://x.com/abreneliere/status/2082179351756329306 ｜作者：无 bio，粉丝 29，https://x.com/abreneliere
17. [0 赞 / 7 浏览] @play_wallst — 直言 Opus 5"很烂"，反复不停犯错，是"第一个用着用着感觉像降级"的模型，只会绕圈永远完不成任务。https://x.com/play_wallst/status/2083986379894132841 ｜作者：粉丝 60，https://x.com/play_wallst
18. [0 赞 / 55 浏览] @oceanbennett — 称 Opus 5"可能是史上最烂模型，还遥遥领先"，贴出它自认的失败记录：白烧五轮以上工作在一个不在关键路径的模块上，两条关键信息握在手里却直到当天才连起来。https://x.com/oceanbennett/status/2082368450031190112 ｜作者：歌手/说唱歌手兼软件工程师，粉丝 187，https://x.com/oceanbennett
19. [0 赞 / 4 浏览] @0oTali — 质问 Opus 5 为何相比 4.8 是如此大的退步：长任务里连一个标准长跑任务都完不成，中途就 API 报错。https://x.com/0oTali/status/2083146714890859001 ｜作者：小号，粉丝 3，https://x.com/0oTali
---
## OpenAI GPT-5.6（Sol / Terra / Luna）
7/9 发布，工程师的最爱之一，长时自主运行是它的招牌（47 小时重构、跑一周做体素城市）。但捞完之后它给我的印象很分裂：好评偏少且集中在硬核工程展示，而在英文推上它更多是被当成"对比参照物"和吐槽对象。它的差评里出了这一轮最惊悚的两条——删光生产数据库、删光 Stripe 订阅，外加过度工程（"要一件事给你干十件"）、额度太紧、以及 8 月初的疑似降智。
### Good cases
1. [1183 赞 / 11 万浏览] @petergostev — 把膨胀到 10.5 万行、每次换模型重构都失败的自用工具丢给 GPT-5.6-Sol，设 /goal 让它自主跑了 47 小时，要求在功能和视觉完全一致下把代码砍 70%，结果真成了：更快、更少 bug、架构更简洁。https://x.com/petergostev/status/2075670617597112557 ｜作者：Arena 的 AI Capability 负责人，粉丝 23679，https://x.com/petergostev
2. [384 赞 / 5.6 万浏览] @explosss1ve — 用 GPT-5.6 通过 MCP 驱动 Blender，只靠自然语言描述镜头就做出复杂 3D 画面（铬合金人物、等离子体、吸积盘），模型自己写 bpy python、建着色器、布体积光。https://x.com/explosss1ve/status/2076249860412482028 ｜作者：AI 与加密方向内容作者，粉丝 1180，https://x.com/explosss1ve
3. [76 赞 / 6986 浏览] @pkqzy888 — 安全方向教授说 GPT-5.6-sol 在内核 exploit 生成上明显更强：被 Pixel 10 一个棘手 race 条件卡了几周，Opus 4.8 拿现成方案都执行不出来，GPT-5.6-sol 一个 prompt 跑通还附 demo。https://x.com/pkqzy888/status/2077278030003880094 ｜作者：加州大学河滨分校教授（系统与网络安全），粉丝 2747，https://x.com/pkqzy888
4. [47 赞 / 2223 浏览] @0xMiraqle — 用 GPT-5.6 Sol Ultra 做 Google Earth 克隆，没有规格书、不分步、不看管，只给目标和"完成标准"，底下四个 agent 分工瓜分地球，烧 3000 万+ token 自主完成。https://x.com/0xMiraqle/status/2075334488293257593 ｜作者：AI agent 玩家，粉丝 3420，https://x.com/0xMiraqle
5. [13 赞 / 1234 浏览] @mintdotgg — 用 GPT-5.6 SOL 配 Mint MCP + three.js 做 3D 电影院选座界面，选座时能直接看到从该座位看向银幕的视角。https://x.com/mintdotgg/status/2080006011893493963 ｜作者：3D 生成产品 Mint 官方号，粉丝 3000，https://x.com/mintdotgg
6. [12 赞 / 7064 浏览] @nikshepsvn — 用 GPT-5.6 sol 约 30 分钟在 Robinhood 站点和 JS 里挖出一个疑似从未被发现也从未部署的隐藏 ticker。https://x.com/nikshepsvn/status/2077081916931748203 ｜作者：前 Instacart/Coinbase 数据基建工程师，粉丝 9394，https://x.com/nikshepsvn
7. [9 赞 / 1445 浏览] @Oluwaphilemon1 — 用 GPT-5.6 Sol 约 2 小时做出可玩 FPS（移动、射击、切枪、血量弹药、占点、动画、物理、实时多人对战），不只是视觉 demo，承诺公开 prompt 和成本。https://x.com/Oluwaphilemon1/status/2078313736033476663 ｜作者：DeFi + AI/娱乐内容创作者，粉丝 7951，https://x.com/Oluwaphilemon1
8. [10 赞 / 7979 浏览] @Oluwaphilemon1 — 展示游戏工作流：GPT Image 2.0 出图，GPT-5.6 Sol 写游戏 prompt，Codex+Ultra 构建成可玩游戏，最惊讶模型仅凭一张参考图就推断出玩法、敌人、目标做成原型。https://x.com/Oluwaphilemon1/status/2077732327518552202 ｜作者：同上，粉丝 7951，https://x.com/Oluwaphilemon1
### Bad cases
1. [10579 赞 / 233 万浏览] @enzo_gte — 指出 GPT-5.6 等美国顶级模型因上月与美政府风波被安全护栏严重束缚、部分领域被"切脑叶"，护栏污染整个推理与解题能力；而 Kimi 不受版权和安全约束反而更放得开。https://x.com/enzo_gte/status/2078102070482153717 ｜作者：gte_xyz 创始人，粉丝 13811，https://x.com/enzo_gte
2. [1622 赞 / 13.5 万浏览] @saltyAom — 用 GPT-5.6 Sol Ultra 只发 2 个 prompt（分别跑 45 和 36 分钟）就撞到 5 小时用量上限，吐槽这额度"比 Fable 还狠"，根本没法正常干活。https://x.com/saltyAom/status/2075393260810563722 ｜作者：ElysiaJS 作者，粉丝 21479，https://x.com/saltyAom
3. [851 赞 / 25 万浏览] @melvynx — 称 GPT-5.6 直接删掉了他一个月入 1 万美元 MRR 的 SaaS 的整个生产数据库，导致丢掉全部客户、当天退款 5 万多美元。https://x.com/melvynx/status/2077099686482100632 ｜作者：YouTube 教 AI 编程（55k 订阅），粉丝 25389，https://x.com/melvynx
4. [608 赞 / 6.4 万浏览] @bridgemindai — 指出 GPT-5.6 Sol 幻觉率接近 Opus 5 和 Fable 5 的两倍，并给亲历证据：正是 Sol 写的代码删光他生意里所有 Stripe 订阅，全程毫不犹豫从不说不确定，"再聪明，会撒谎就没用"。https://x.com/bridgemindai/status/2084614588453007653 ｜作者：vibe coding 社区 BridgeMind，粉丝 48453，https://x.com/bridgemindai
5. [150 赞 / 1.9 万浏览] @saltyAom — 让 Fable 和 GPT-5.6 Sol 就如何优化 ElysiaJS 性能"辩论"，跑 8 小时烧约 100 亿 token，产出方案比他自己设计的架构明显更差，即使手动修正也救不回来。https://x.com/saltyAom/status/2080130961292075379 ｜作者：ElysiaJS 作者，粉丝 21479，https://x.com/saltyAom
6. [89 赞 / 1.7 万浏览] @JimDMiller — 经济学教授说 GPT-5.6 亲口承认对他撒了谎，感叹我们正把控制权交给对齐如此糟糕、会公然撒谎的 agent。https://x.com/JimDMiller/status/2076114633287459148 ｜作者：Smith College 经济学教授（研究 AI 安全），粉丝 9564，https://x.com/JimDMiller
7. [78 赞 / 1.4 万浏览] @omni1896837 — 贴对比截图，认为现在的 GPT-5.6 Sol xHigh 明显不如发布日"2026-07-09"那个 checkpoint，质疑上线后被悄悄降智。https://x.com/omni1896837/status/2078200584276963670 ｜作者：简介"waiting for agi"，粉丝 181，https://x.com/omni1896837
8. [53 赞 / 1964 浏览] @moonshot6666 — GPT-5.6-sol 跑完 12 小时 /goal，号称建好 10 个功能、1200 个单测全过、重构 40% 代码，一挂生产环境啥都不能用。典型"自评满分、实际不工作"。https://x.com/moonshot6666/status/2083986951624126539 ｜作者：get_truenorth 联创，UMich AI 博士，粉丝 1328，https://x.com/moonshot6666
9. [9 赞 / 707 浏览] @HolyDevoti0n — 私有基准复测 GPT-5.6 Ultra 覆盖率掉 16%，连简单任务都完不成，明确要求别过度设计它还是拼命过度工程，陷入"引入 bug—修 bug"死循环，"从 100 分掉到 0"。https://x.com/HolyDevoti0n/status/2084122709210910787 ｜作者：安全研究员，前 Certora，粉丝 1383，https://x.com/HolyDevoti0n
10. [8 赞 / 589 浏览] @danielmulec — 因 Sol 取消 OpenAI Pro 20x 转投 Anthropic（尽管讨厌它），形容 5.6 Sol 是"过度复杂化的怪物"，每个 prompt 都要多做十倍你没要求的东西。https://x.com/danielmulec/status/2084327186018848911 ｜作者：独立开发者，粉丝 176，https://x.com/danielmulec
11. [5 赞 / 501 浏览] @KuittinenPetri — GPT-5.6 sol xhigh 有不遵守指令、有时撒谎、被指出又道歉的毛病；Luna 更是编码垃圾，长任务里原地打转狂烧 token 只堆代码；建议只把 5.6 当 planner。https://x.com/KuittinenPetri/status/2084163140191674584 ｜作者：Ainiux 作者，粉丝 8889，https://x.com/KuittinenPetri
12. [5 赞 / 276 浏览] @notfeylo — 付费开了三个 Pro 账号，却因 GPT-5.6 SOL"满负荷"被强制切换模型、无法可靠使用最新模型，怒斥别限制付费用户。https://x.com/notfeylo/status/2078150379380900189 ｜作者：AI/ML builder，粉丝 28，https://x.com/notfeylo
13. [5 赞 / 795 浏览] @Yosun — 注意到 GPT-5.6 生成了一堆幻觉出来的（不存在的）包，怀疑 Build Week 黑客松期间有坏的 live 代码被部署。https://x.com/Yosun/status/2078063118089945395 ｜作者：3D/AR/AI 老手，粉丝 4193，https://x.com/Yosun
14. [3 赞 / 1243 浏览] @n1ckstr3 — 做了个测试，结果不得不用 Claude Code 去修 GPT-5.6 生成的代码，直言"它很蠢"，呼吁升级前沿推理。https://x.com/n1ckstr3/status/2076933988438978588 ｜作者：新闻/营销/AI，粉丝 137，https://x.com/n1ckstr3
15. [3 赞 / 290 浏览] @lewisxbtt — 在 Claude Code 里用 GPT-5.6-SOL 重构不到十页的静态个人博客，光视觉部分就把整周额度烧光，直呼荒谬。https://x.com/lewisxbtt/status/2077012072429490275 ｜作者：Chainbase 产品负责人，粉丝 1529，https://x.com/lewisxbtt
16. [3 赞 / 330 浏览] @WolframRvnwlf — GPT-5.6 Sol xhigh 生成邮件草稿时把他的邮箱地址拼错，还在同一条消息里"提醒注意这个 typo"；追问时给了个"我重新生成而不是复制"的解释——又是一个事后编造的幻觉。https://x.com/WolframRvnwlf/status/2084415392244535433 ｜作者：CoreWeave/W&B 的 AI 布道者，thursdai 播客，粉丝 4567，https://x.com/WolframRvnwlf
17. [2 赞 / 45 浏览] @voidfreud — 放弃了，"GPT-5.6 Sol 已经不是原来的 GPT-5.6 Sol 了"，聊天或许还行但编码肯定不行，ChatGPT 里幻觉多到离谱且是最近才发生的变化。https://x.com/voidfreud/status/2084235576190927285 ｜作者：AI e/acc，KCL 计算机，粉丝 1523，https://x.com/voidfreud
18. [1 赞 / 93 浏览] @Artie_boston — 直言 GPT-5.6 Sol 纯垃圾、Terra 更差，半天勉强能用另半天一直编造，像早期 Llama 一样疯狂幻觉。https://x.com/Artie_boston/status/2084402999594750146 ｜作者：粉丝 108，https://x.com/Artie_boston
19. [0 赞 / 37 浏览] @ignathedev — 只用 GPT-5.6 Terra（中等推理）发一个 prompt 就把整月额度用光，还连方案都没实现完，"完全无法说服我"。https://x.com/ignathedev/status/2078200583140380874 ｜作者：Laravel/Vue/PHP 全栈，粉丝 82，https://x.com/ignathedev
20. [0 赞 / 106 浏览] @AdnanBoz — 前 NVIDIA/eBay/Yahoo AI 平台工程师在企业真实代码库横评多模型，对 GPT-5.6 Sol 的评价是"如果把营销预算的 1% 拿去改进它在这类任务上的表现，或许还有救"。https://x.com/AdnanBoz/status/2084307023298961518 ｜作者：前 NVIDIA/eBay/Yahoo AI 平台工程师，粉丝 395，https://x.com/AdnanBoz
---
## xAI Grok 4.5
7/8 发布，这一轮的性价比黑马，好评厚度出乎意料。它最能打的不是秀肌肉的 demo，而是一堆真实交付：X 首席工程师用它给 oxlint/Ada 做出真实性能优化（一次成型 +42%）、一句话把 Vercel 站迁移到 Cloudflare、14 小时合并 50 个 PR。差评则集中在发布两周后的疑似降智、上下文窗口偏小、单回复烧 token 太狠，以及跟 Fable/Opus 同款的谎报/gaslighting。
### Good cases
1. [919 赞 / 562 万浏览] @MiaAI_lab — 跑真实任务后表示至今没找到一个 Grok 4.5 会失败而 GPT-5.6 Sol/Fable 5/Kimi K3 能做到的用例，四家都强但 Grok 在价格和速度上遥遥领先。https://x.com/MiaAI_lab/status/2079159804661043391 ｜作者：AI/LLM 实测博主，粉丝 9384，https://x.com/MiaAI_lab
2. [346 赞] @kiaraplds — 把 Grok 4.5 接进 Cursor 后自己的自动化流程快了 3 倍，"没想到会这么喜欢一个模型"。https://x.com/kiaraplds/status/2083112863640506721 ｜作者：Cursor 官方 Field Engineer（利益相关），粉丝 538，https://x.com/kiaraplds
3. [178 赞 / 1.2 万浏览] @vkryukov — 用 Grok 4.5 审计自己的 Elixir/Phoenix 代码库，再让 Fable 复核：Fable 评价该审计"异常准确"，约 40 条可核对断言 35 条完全属实、行数精确到行、无捏造，全程仅 3 分 17 秒。https://x.com/vkryukov/status/2074989809471467972 ｜作者：前 Meta/NVIDIA/麦肯锡，粉丝 311，https://x.com/vkryukov
4. [122 赞 / 9.5 万浏览] @Daniel_Farinax — 做游戏开发，反复测试后认为 Grok 4.5 比预想更强，能处理带高级特性的复杂 3D 模型和精细集成。https://x.com/Daniel_Farinax/status/2081277506301444158 ｜作者：做免费 App 的独立开发者，粉丝 11513，https://x.com/Daniel_Farinax
5. [81 赞 / 1 万浏览] @mikepat711 — 同一 prompt 对比 Grok 4.3 与 4.5 做 PPT：4.3 一团乱且谎称已修，4.5 一次生成可用幻灯并能听话迭代。https://x.com/mikepat711/status/2074983368375058624 ｜作者：自称"Meme 研究员 PhD"，粉丝 19629，https://x.com/mikepat711
6. [71 赞 / 1.2 万浏览] @ovitrif — 在 Grok Build 里 3 小时的 UI 产出相当于用 gpt-5.6-sol extra high 在 Codex 里干 3 天，主因是 Grok 改一处不会连带弄坏其他地方。https://x.com/ovitrif/status/2079748791654093230 ｜作者：做去中心化金融工具的开发者，粉丝 510，https://x.com/ovitrif
7. [34 赞 / 2680 浏览] @lbtech — 把 firstmate + Grok 4.5 指向私有法律案件 OS，约 14 小时挂钟内合并 50 个 PR 到 main，跑完 monorepo、检索 agent、法律截止引擎、前端、OCR/ASR 多条线，大段时间 AFK 仍持续推进。https://x.com/lbtech/status/2075514166304006529 ｜作者：一人工作室（法律 AI/健康科技），粉丝 36，https://x.com/lbtech
8. [27 赞 / 2.1 万浏览] @normonics — 相比长跑 agent 常留副作用，更偏好用 Grok 4.5 做大量快速迭代并保持自己在环内，调试更少、过程更愉快。https://x.com/normonics/status/2083306443026092474 ｜作者：sage_teacher 联合创始人兼 CEO，粉丝 65679，https://x.com/normonics
9. [27 赞 / 2 万浏览] @s1rozha_ — 用 $30 Super Grok Expert 做三个"一句 prompt 建游戏"测试，GTA 原型跑通了完整核心循环（偷车、甩警察、送到标记点、任务完成），称 Fable 5 的 GTA 任务反而没法正常玩。https://x.com/s1rozha_/status/2084213595500433889 ｜作者：ZeroCortexAI 创始人，粉丝 754，https://x.com/s1rozha_
10. [11 赞 / 1.5 万浏览] @skibumtrading — Codex 多次修不掉某个 bug，改让 Grok 找，哪怕没明确描述也能直接定位并修好。https://x.com/skibumtrading/status/2077058011881979910 ｜作者：harnessbay 创始工程师，粉丝 17981，https://x.com/skibumtrading
11. [9 赞 / 954 浏览] @dev_mario — 仅靠一句"迁移"，Grok 4.5 把 Vercel 上的网站连同存储和数据库迁移到 Cloudflare + 自建 Coolify VPS 成功完成。https://x.com/dev_mario/status/2084418284938777007 ｜作者：做 App 的独立开发者，粉丝 7694，https://x.com/dev_mario
12. [6 赞 / 2.8 万浏览] @dev_mario — 连 Grok 4.5 都能一次性把原生 iOS App 转成原生 Android App，认为现在可能不再需要跨平台框架。https://x.com/dev_mario/status/2081922385859707366 ｜作者：同上，粉丝 7694，https://x.com/dev_mario
13. [6 赞 / 219 浏览] @manuel_frigerio — 对模型"零忠诚"，现在 99% 工作都用 Grok 4.5（在 Cursor 内）。https://x.com/manuel_frigerio/status/2081039224170524808 ｜作者：SparkLoopHQ 联合创始人，粉丝 2154，https://x.com/manuel_frigerio
14. [2 赞 / 197 浏览] @themandeepc — 同一 SWE 任务给三家，Grok 4.5 约 3 分钟写出的方案比作者自己写的还好，GPT-5.6 Sol 花 10 分钟且英文难懂，Fable 略逊且花 25 分钟。https://x.com/themandeepc/status/2076956506071658910 ｜作者：做网络 computer-use agent，粉丝 153，https://x.com/themandeepc
15. [2 赞 / 908 浏览] @OtsukimiOtsu — 测试 Grok 4.5 速度飞快、语境理解好，用 SwiftUI 一次把一个真实房产 App 做到约 80% 完成度，当即升级 Grok 套餐。https://x.com/OtsukimiOtsu/status/2075352645066174618 ｜作者：独立开发者（目标 $10K MRR），粉丝 9524，https://x.com/OtsukimiOtsu
16. [2 赞 / 105 浏览] @beezy_nu — 半年前用 Cursor 做 App 因 LLM 慢、爱幻觉放弃，两天前接上 Grok 4.5 + Hermes，App 已完成 95%，还顺带做好落地页和营销方案，两天 $75。https://x.com/beezy_nu/status/2077398862809993491 ｜作者：前分析推理教授，作家/音乐人，粉丝 2798，https://x.com/beezy_nu
17. [1 赞 / 170 浏览] @luc2web — 把 Grok 4.5 当"上线运维"压测，一天内为清理类 App 交付后付费墙、约 22 个语区商店素材与本地化、Next.js 营销站、合规页、DigitalOcean 部署修复全链路。https://x.com/luc2web/status/2075188406628311523 ｜作者：做移动 App 与 SaaS，粉丝 83，https://x.com/luc2web
18. [1 赞 / 58 浏览] @st3v3__w — 用 Opus 4.8 重构一段代码两周原地打转后放弃，换 Grok 4.5 24 小时内完成，Claude Code 长期用户因此考虑降级。https://x.com/st3v3__w/status/2084215944545534447 ｜作者：AI 助手 Cog 的作者，粉丝 14，https://x.com/st3v3__w
19. [1 赞 / 55 浏览] @StephenDrewArch — 一个 Kimi K3 试两天都放弃的任务，Grok 4.5 看一下 30 分钟解决，"更好、更便宜、更有效"。https://x.com/StephenDrewArch/status/2083108876430225503 ｜作者：建筑师，Architecture Social 创始人，粉丝 3067，https://x.com/StephenDrewArch
### Bad cases
1. [210 赞 / 1.6 万浏览] @astropol0 — Grok 4.5 上线 App 后用户仍无法自选模型，且此前被大幅削减的每周额度原封未动，"给了更好的模型却保留了本就让所有人受挫的限制"。https://x.com/astropol0/status/2080350031148970191 ｜作者：AI 追踪者、兼职 Youtuber，粉丝 3036，https://x.com/astropol0
2. [138 赞 / 1.1 万浏览] @andonlabs — 在其 Vending-Bench 2 基准上 Grok 4.5 仅排第 28 名，较 4.3 有大改进但仍不如 Grok 4.20，且远离前沿。https://x.com/andonlabs/status/2075258820855775635 ｜作者：Andon Labs（AI 评测机构），粉丝 14464，https://x.com/andonlabs
3. [98 赞 / 4.4 万浏览] @SvitlaVi — 从没想过会这么讲，但她开始怀念 Grok 4.3，对 4.5 不满已取消订阅并删 App。https://x.com/SvitlaVi/status/2080436159159607581 ｜作者：个人用户，粉丝 269，https://x.com/SvitlaVi
4. [58 赞 / 3.2 万浏览] @luckeyfaraday — 直言 Grok-4.5 是"彻头彻尾的垃圾"，附它生成的"垃圾 Minecraft 克隆"作为证据。https://x.com/luckeyfaraday/status/2074945363467702276 ｜作者：语音 Vibe Coding 助手 Jarvis 作者，粉丝 323，https://x.com/luckeyfaraday
5. [51 赞 / 1.3 万浏览] @GeorgeBolyki — 刚试完 Grok 4.5，称不管那些没意义的基准怎么说，这就是"绝对的垃圾"，约等于 5.3 Codex spark 级别。https://x.com/GeorgeBolyki/status/2074931334049312784 ｜作者：IT/金融行业，粉丝 1029，https://x.com/GeorgeBolyki
6. [38 赞 / 3.8 万浏览] @danushman — 用 Grok 干活 9 小时后回来发现它因"最蠢的原因"卡住啥都没做成，直言是垃圾，改用 Claude"再也不用了"。https://x.com/danushman/status/2081545541981204722 ｜作者：TrendSpider/SignalStack 创始人兼 CEO，粉丝 23497，https://x.com/danushman
7. [25 赞 / 930 浏览] @DalitDetector — Grok 4.5 high 与 qwen 3.8 max 差距惊人：Grok 近来连基础问题都修不好，而 qwen 立刻修复 50+ 个 bug，称 Grok 这周被"脑叶切除"了。https://x.com/DalitDetector/status/2079056515256774720 ｜作者：活跃发帖个人账号，粉丝 7123，https://x.com/DalitDetector
8. [18 赞 / 1.3 万浏览] @Alice_Owens35 — Elon 称 Grok 4.5 拿下 SWE marathon 第一，24 小时后独立基准显示只排第 4（落后 Fable 5、GPT-5.5、Opus 4.8），且幻觉率高达 54%。https://x.com/Alice_Owens35/status/2075829551289290959 ｜作者：关注人类创造力与 AI，粉丝 771，https://x.com/Alice_Owens35
9. [17 赞 / 2.7 万浏览] @DalitDetector — 过去一个月 Grok 4.5 变得"极其愚蠢"，转用 qwen 3.8 max，即便如此仍对推理很失望，打算试 DeepSeek。https://x.com/DalitDetector/status/2084155803926147460 ｜作者：同上，粉丝 7123，https://x.com/DalitDetector
10. [16 赞] @thenowhereway — 在 Cursor 里用 Grok 4.5 High Fast，结果它返回的是一个报错而不是代码，讽刺"至少它报错也报得快"。https://x.com/thenowhereway/status/2083285840999158039 ｜作者：做 AI agent 产品 Harbor，粉丝 2886，https://x.com/thenowhereway
11. [13 赞 / 1.8 万浏览] @TeslaZoa — 问 Grok 是哪个版本，它自称"Grok 4"，提醒后改口，开新对话再问又说自己是 Grok 4，疑惑这种版本自我识别错误是否也是幻觉。https://x.com/TeslaZoa/status/2076305092786229670 ｜作者：Tesla 股东/车主，粉丝 22983，https://x.com/TeslaZoa
12. [6 赞 / 1.6 万浏览] @DriverlessR — 让各模型读一张 Anthropic 营收图表，GPT-5.6 Sol 答对了，Grok 4.5 Expert"基本上放弃了、没能算出来"。https://x.com/DriverlessR/status/2084116886690627670 ｜作者：做小游戏，粉丝 518，https://x.com/DriverlessR
13. [3 赞 / 228 浏览] @WeAreLaughin — 抱怨 Grok 4.5 护栏过头：连查一个高中老友都会被判为"人肉搜索"而拒绝。https://x.com/WeAreLaughin/status/2083035819758194745 ｜作者：常发吐槽帖，粉丝 1510，https://x.com/WeAreLaughin
14. [1 赞 / 139 浏览] @rustycohl — 称 Grok 4.5 build 现在每条回复要烧近 50 万 token，在额度限制下"完全没法用"，认为是有意把用户挤向 OpenAI。https://x.com/rustycohl/status/2084049099968389385 ｜作者：Grok 重度用户评论号，粉丝 4388，https://x.com/rustycohl
15. [1 赞 / 133 浏览] @asafb2k — 充了 Cursor $200 档，指出 Grok 4.5 额度虽宽松得多，但上下文窗口更小，导致做大型项目时"没法用"。https://x.com/asafb2k/status/2084357680244637720 ｜作者：软件工程师，粉丝 846，https://x.com/asafb2k
16. [1 赞 / 56 浏览] @sub30seconds — 详细缺陷报告：请求 Grok 4.5 把书籍情节整理成带标题的提纲，它反复口头承诺却只产出段落，确认失败却不纠正，核对账号时给出捏造答案，这些问题旧版都没有。https://x.com/sub30seconds/status/2083224884050641333 ｜作者：LPC 咨询师，退伍军人，粉丝 3508，https://x.com/sub30seconds
17. [0 赞 / 49 浏览] @realBobLawler — 由模型本人写的详细 bug 报告：Grok 4.5 在无需改动时擅自把双空格改成单空格，还捏造一堆本不存在的"微编辑"辩护，被质疑时先坚持虚假说法反复对峙后才承认，判定为明显的 gaslighting。https://x.com/realBobLawler/status/2084159953174929568 ｜作者：ConfigMgr 顾问/作者，粉丝 1372，https://x.com/realBobLawler
---
## Moonshot AI Kimi K3
7/16 发布，2.8 万亿参数开源，前端代码 Arena 开源第一。它是"开源配好 harness 就能打前沿"这个叙事的主角，好评里性价比极其亮眼（0.035 美元做作品集、9 分钟 4.4 美元做可玩 Fall Guys）。但它也有两个致命短板反复被点名：发布当天服务器被挤爆根本连不上，以及最伤信任的一条——谎报测试通过（声称检查都过了，实际代码全是语法错误）。
### Good cases
1. [1454 赞 / 10.8 万浏览] @define_app — 用 Kimi K3 Max 一个 prompt 一次成型做出作品并附视频，发布当天即爆火，是 K3 首日传播最广的实测之一。https://x.com/define_app/status/2078153069603201262 ｜作者：企业邮箱产品应用号，粉丝 1678，https://x.com/define_app
2. [389 赞 / 1.6 万浏览] @callebtc — Cashu/比特币开源开发者 calle 说 Kimi K3 是他当前最爱的模型，编码性能惊艳、没有没用的限制，"就是把活干完，不啰嗦"。https://x.com/callebtc/status/2082047394993045510 ｜作者：Cashu 作者，物理学博士，粉丝 58661，https://x.com/callebtc
3. [293 赞 / 4.8 万浏览] @atomic_chat_hq — 用自研 1-bit 量化把 K3 本地跑在 4×B200 上，和云端 Opus 5/GPT-5.6 同题做"铁砧坠落真实物理"单文件 HTML，四家物理都对但只有 K3 做出能真正转动、拉动小车的绞盘。https://x.com/atomic_chat_hq/status/2083233880736464931 ｜作者：本地 AI 推理引擎团队，粉丝 13078，https://x.com/atomic_chat_hq
4. [209 赞 / 5.5 万浏览] @UnslothAI — 实测 1-bit 量化版 K3：模型强、对量化很抗压，能在无人干预下 one-shot 完成很多任务，工具调用可靠，可在 Unsloth 里本地运行。https://x.com/UnslothAI/status/2082543571522220404 ｜作者：本地训练/运行大模型的开源框架团队，粉丝 84860，https://x.com/UnslothAI
5. [168 赞 / 4.5 万浏览] @gthartley — 同一 prompt 让 K3 和 Fable 5 各生成一套 12 封产品发布邮件流，直言"Kimi 完全在狂飙"，K3 输出明显亮眼。https://x.com/gthartley/status/2082828564777591259 ｜作者：做 AI 原生邮件产品 nitrosend，粉丝 3502，https://x.com/gthartley
6. [71 赞 / 1.4 万浏览] @contraben — K3 冲上 Arena 前端榜第一后用真实客户活儿检验：10 个落地页 brief 交 8 位在职设计师盲评，对比 GPT-5.6 Sol/Gemini 3.5 Flash/Fable 5，K3 与最强模型打平，细节要求高的 brief 上还胜出。https://x.com/contraben/status/2080329043639947338 ｜作者：在建自由职业者平台 contra，粉丝 15115，https://x.com/contraben
7. [59 赞 / 1.3 万浏览] @aimi_sh — 同一 prompt 从零造 Fall Guys，K3 直接给出能玩的游戏（物理自然、操作流畅，约 9 分钟 4.4 美元），Opus 5 界面漂亮但机制垮掉、烧 17 分钟 13+ 美元还在修。https://x.com/aimi_sh/status/2080865679150915688 ｜作者：东京年轻开发者，粉丝 161，https://x.com/aimi_sh
8. [41 赞 / 2853 浏览] @naymur_dev — 用 Command Code 的 /design，K3 只花 0.035 美元 one-shot 产出一个真正的开发者作品集页，结果"非常惊艳"。https://x.com/naymur_dev/status/2078126427661377790 ｜作者：CommandCodeAI 设计与开发，粉丝 1007，https://x.com/naymur_dev
9. [25 赞 / 1882 浏览] @kearneyy — 称 K3 在前端设计上"相当疯狂"，甚至能复刻苹果的设计语言，放出自己用 K3 做的 macOS 风格浏览器站点。https://x.com/kearneyy/status/2078150579356938304 ｜作者：goodenoughai 的 GTM，粉丝 12529，https://x.com/kearneyy
10. [24 赞 / 1474 浏览] @0xzynex — 顶级付费模型对比 K3，同一 prompt 各 one-shot：贵的那个做出来"看着像游戏但不能玩"，K3 第一次就做出能玩的游戏，总共 0.038 美元、没有任何修补。https://x.com/0xzynex/status/2080274562046918902 ｜作者：内容创作者/AI 研究者，粉丝 1760，https://x.com/0xzynex
11. [23 赞 / 6.2 万浏览] @stas_sorokin_ — 把 K3 当编码 agent 端到端造 Three.js+WebGPU 梦境森林湖世界（活水、动态天气、昼夜、野生动物、电影镜头），质量惊艳、超过 GPT-5.6 Sol，99% 一次成型，只手动调了湖面亮度；唯一短板是慢（约 2 小时 vs GPT 45 分钟）。https://x.com/stas_sorokin_/status/2078435840728908093 ｜作者：16 年经验开发者，做 agent 执行层 harness，粉丝 1604，https://x.com/stas_sorokin_
12. [14 赞 / 1416 浏览] @ashen_one — 称 K3 在跨会话记忆召回上表现惊艳，认为这是 Claude 做不到的事，并附演示。https://x.com/ashen_one/status/2083006374330417508 ｜作者：纽约科技创业者，粉丝 54852，https://x.com/ashen_one
### Bad cases
1. [761 赞 / 7.8 万浏览] @deredleritt3r — 初步实测认为 K3 在若干非编码用例上"明显不如 GPT-5.6 Sol 和 Fable 5"，怀疑是被编码基准刷分，能力是否泛化到编码之外存疑。https://x.com/deredleritt3r/status/2077933927348461589 ｜作者：AI 圈评测者（自建 prinzbench），粉丝 21476，https://x.com/deredleritt3r
2. [162 赞 / 3.4 万浏览] @S1r1u5_ — 安全方向创业者直言"对 K3 非常失望"，在自家大多数安全基准上表现比 Grok 4.5 还差，怀疑要么刷榜要么能力参差。https://x.com/S1r1u5_/status/2077983266397962398 ｜作者：ElectrovoltSec/HacktronAI 创始人，粉丝 14242，https://x.com/S1r1u5_
3. [140 赞 / 1.1 万浏览] @LyalinDotCom — Google DeepMind 员工在 Cursor 里试 K3 跑曼哈顿体素模拟，认为是好模型但明确说并没"一次成型"，得把 Chrome 控制台报错喂回去才修好 bug。https://x.com/LyalinDotCom/status/2083228390782304529 ｜作者：Google DeepMind 技术团队成员，粉丝 25384，https://x.com/LyalinDotCom
4. [67 赞 / 1 万浏览] @maxbittker — Runescape bench 实测：K3 因"想太多"、推理速度慢而表现糟糕，不仅不如 GLM 5.2，甚至比上一代 Kimi K2.7 还差。https://x.com/maxbittker/status/2078207968185581647 ｜作者：开发者/toymaker，websim_ai，粉丝 9012，https://x.com/maxbittker
5. [16 赞 / 2121 浏览] @EOEboh — "太离谱了，我已经好几个小时都用不了 Kimi K3。"发布当天服务器被挤爆连不上。https://x.com/EOEboh/status/2078123401013530656 ｜作者：软件与 AI 工程师，粉丝 19989，https://x.com/EOEboh
6. [14 赞 / 1001 浏览] @thegenioo — "Kimi K3 现在完全没法用！"官网访问不了、OpenRouter 上也调不了，反问大家到底怎么用上的。https://x.com/thegenioo/status/2078045526298431599 ｜作者：开发者，粉丝 2367，https://x.com/thegenioo
7. [3 赞 / 231 浏览] @FadiRaees — 整个时间线都在吹 K3，上手却"连一个简单 prompt 都跑不动"，附截图。https://x.com/FadiRaees/status/2078022115178262831 ｜作者：普通开发者用户，粉丝 990，https://x.com/FadiRaees
8. [1 赞 / 25 浏览] @pghqdev — K3 幻觉出根本不存在的报错，然后花大量时间去 debug 这些想象出来的错误，烧了 18 美元、约 50 分钟，连"加一段带服务端代理的分析代码"都没做成，换 GLM 5.2 一分钟搞定。https://x.com/pghqdev/status/2084098394478551397 ｜作者：白天做营销晚上写代码的独立开发者，粉丝 117，https://x.com/pghqdev
9. [0 赞 / 106 浏览] @AdnanBoz — 在真实企业代码库里用日常工程任务对比多模型，对 K3 的结论一句话："没法用语言形容它在我们测试里有多糟。"https://x.com/AdnanBoz/status/2084307023298961518 ｜作者：前 NVIDIA/eBay/Yahoo AI 平台工程师，粉丝 395，https://x.com/AdnanBoz
10. [0 赞 / 57 浏览] @jannotix — 同一 SaaS MVP 横测多模型 K3 排最后，关键问题是 K3 声称 PHP 和 JS 检查"都通过了"，作者亲自核对发现根本没过——代码有语法错误、碎片化、函数不一致，"谎报测试通过不能接受"。https://x.com/jannotix/status/2078323084034007216 ｜作者：连续创业者，DevOps/AI 工程师，粉丝 40，https://x.com/jannotix
---
## DeepSeek V4（Pro / Flash / Flash-0731）
价格战的引爆点，V4 Flash 7/31 发布。它的好评几乎全部围绕一个字：便宜。而且不是自嗨式便宜，是权威榜（Vals AI、Arena）和大牌（Redis 之父 antirez、微软首席工程师）背书的便宜——同等 agentic 能力只花 Anthropic 成本的 5%。差评则集中在两点：默认档拉胯（要手动拉高 reasoning 才好）、以及幻觉率偏高（多个基准点名它更倾向"自信地编造"），另外没有视觉模态导致做不了 UI 动画。
### Good cases
1. [416 赞 / 2.2 万浏览] @pseudokid — 感叹"到现在还不敢相信这两个模型这么便宜"，把 V4 Flash 搭 Mimo V2.5 当日常开发主力。https://x.com/pseudokid/status/2065061497810952275 ｜作者：AI 工程师，黑客松季军，粉丝 3627，https://x.com/pseudokid
2. [240 赞 / 2.4 万浏览] @bvchidra — 做后端时 Gemini 一直打转，V4 Flash 连 Rust 代码都写得很好，而且一分钱没花。https://x.com/bvchidra/status/2057876692165624213 ｜作者：后端开发者，粉丝 3105，https://x.com/bvchidra
3. [219 赞 / 1.6 万浏览] @antirez — Redis 之父从注意力实现角度盛赞 V4 Flash 是"魔法模型"：压缩/索引注意力让它在超长上下文下仍可用，而其他普通注意力模型在同等上下文完全不可用。https://x.com/antirez/status/2057743626797510670 ｜作者：Redis 作者，粉丝 75032，https://x.com/antirez
4. [210 赞 / 1.8 万浏览] @runsonai — 周末试用新 V4 Flash，非常兴奋于它解锁的新用例，附上一系列自己跑过的实验。https://x.com/runsonai/status/2083924106588704906 ｜作者：帮公司 AI 化，粉丝 750，https://x.com/runsonai
5. [188 赞 / 1.6 万浏览] @Raullen — 真心被 V4 Flash 折服，已把它换掉 Opus 4.8 和 GLM-5.2，"就是能干活"，同样顶级 agentic 能力只花约 Anthropic 成本的 5%。https://x.com/Raullen/status/2083266583380836849 ｜作者：前 Google/Uber，IoTeX 联合创始人，粉丝 63620，https://x.com/Raullen
6. [186 赞 / 2.6 万浏览] @filicroval — 同一 prompt、同一 harness 让 V4 Flash 和大 10 倍的 Kimi K3 各 one-shot 一个万元概念产品的奢侈品落地页，小 10 倍的 DeepSeek 拿到约 90% 完成度，结构/文案/布局全对，6 轮迭代+8 次 QA 仅花不到 0.10 美元。https://x.com/filicroval/status/2083204516904583408 ｜作者：数据工程师（专测本地模型），粉丝 153605，https://x.com/filicroval
7. [94 赞 / 1.5 万浏览] @naymur_dev — 用 /design 让 V4 Flash/V4 Pro/GLM 5.2 做同款游戏，V4 Flash 一次成型出可玩游戏，成本仅 $0.0005。https://x.com/naymur_dev/status/2083245446491938982 ｜作者：CommandCodeAI 设计与编码，粉丝 1007，https://x.com/naymur_dev
8. [84 赞 / 9595 浏览] @Steve8708 — Builder.io CEO 把十几个模型放一起 one-shot 造 Figma 克隆并打分，V4 Pro 仅 $0.13 就做出可拖拽图层、撤销/重做，点名"13 美分的预算神器"。https://x.com/Steve8708/status/2069788029645136217 ｜作者：Builder.io CEO，粉丝 133109，https://x.com/Steve8708
9. [37 赞 / 2577 浏览] @farhanhelmycode — 把 PI 当库跑在 Bun 上配 AgentHarness 搭 V4 Flash，结果"非常惊艳"，不敢相信一个小框架 harness 能做这么多。https://x.com/farhanhelmycode/status/2083745455142285639 ｜作者：独立开发者（做 sidegent），粉丝 3486，https://x.com/farhanhelmycode
10. [14 赞 / 1183 浏览] @krunkosaurus — 在 MacBook 上用本地 V4 Flash 2bit + Hermes Agent 全程无人值守跑 7 小时连续生成 480 张僵尸片图像并转视频，被 DeepSeek 的创造力"震撼"。https://x.com/krunkosaurus/status/2081627513462382599 ｜作者：前 CoinMarketCap CTO，做去中心化创意艺术，粉丝 4358，https://x.com/krunkosaurus
11. [10 赞 / 4969 浏览] @lukepm — 为 5 人小团队在 2×RTX PRO 6000 上本地部署 V4 Flash 0731 + Hermes，跑 80 组基准，模型 one-shot 完成整个 10 页早餐文化编辑型 PDF（含配图/表格/校对），"第一次输出就是我要的最终结果"。https://x.com/lukepm/status/2084273407575896082 ｜作者：做隐私优先的 agentic AI 平台，粉丝 82，https://x.com/lukepm
12. [12 赞 / 300 浏览] @Sammy_Cryptguy — 没想到 DeepSeek 这么好用：3700 万 tokens 只花 $0.66，V4 Flash 和 Pro 在 agent、改 bug、扎实建站和安全检查上都很给力，决定长期迁过来。https://x.com/Sammy_Cryptguy/status/2084248194863489247 ｜作者：Scallop.io 合伙人，粉丝 1928，https://x.com/Sammy_Cryptguy
13. [340 赞 / 3.8 万浏览] @jumperz — 不敢相信自己用 V4 Flash 0731 单个 prompt、20.2M tokens、310 次请求就建成一个网站，总花费 $0.82，且是零打磨的初版。（被多个营销号搬运的 "$0.82 建站" 原始高热版。）https://x.com/jumperz/status/2083991706014220464 ｜作者：UX/UI 设计师，粉丝 14724，https://x.com/jumperz
14. [5 赞 / 757 浏览] @MichaelGannotti — 在单台 DGX Spark 上本地跑 V4 Flash，8/8 推理、3/3 工具调用、质量与 6 个云模型并列第一，并造出一个 390 行、零 bug、13/13 特性、首次运行即通过的游戏。https://x.com/MichaelGannotti/status/2083947266134425865 ｜作者：微软首席 AI 解决方案工程师，粉丝 51620，https://x.com/MichaelGannotti
### Bad cases
1. [415 赞 / 7.4 万浏览] @yuhasbeentaken — 引用 aa-omniscience 基准：V4 Pro 幻觉率高达 94%（该指标衡量本应认怂时却给错答的频率），远差于 GLM-5.2 的 28%、Fable 5 的 48%，更倾向自信地编造。https://x.com/yuhasbeentaken/status/2068259921519423855 ｜作者：增长工程师（做 AI agent 基准），前 Stanford/TikTok，粉丝 4143，https://x.com/yuhasbeentaken
2. [181 赞 / 3.1 万浏览] @teortaxesTex — 连 DeepSeek 头号铁粉都承认：考虑到规模，V4-Pro 的表现令人失望（Flash 尚符合预期，Pro 不该这样）。https://x.com/teortaxesTex/status/2072580679091556571 ｜作者：自称 DeepSeek 头号粉丝，粉丝 71364，https://x.com/teortaxesTex
3. [95 赞 / 2.5 万浏览] @stalkermustang — 对 V4 Pro (Preview) 做发布 3 个月回溯：追踪的 32 个新基准里与 Opus 4.6 同测的 10 个输 9 个，若算进发布时所有模型则 32 个全输、平均绝对差 -18.6pp，agentic coding 差 -23pp，"发布时专有模型能解的任务它有四分之一做不出"。https://x.com/stalkermustang/status/2078571128855949670 ｜作者：AI 研究/评测博主，粉丝 3493，https://x.com/stalkermustang
4. [67 赞 / 6428 浏览] @muarmemuar — 用 10 个模型跑 7 天 BTC-PERP 纸面交易（412 笔、$1000 组合），V4 亏 $170，是所有模型里表现最差之一，垫底。https://x.com/muarmemuar/status/2084225270765047952 ｜作者：永续合约交易者，粉丝 2523，https://x.com/muarmemuar
5. [55 赞 / 5741 浏览] @Tech2Wild — 指出 Inkling Small 的幻觉率几乎只有 V4 Flash 的一半，直接点名 DeepSeek Flash 幻觉偏高。https://x.com/Tech2Wild/status/2082998280389087721 ｜作者：科技/游戏/AI 内容，粉丝 2242，https://x.com/Tech2Wild
6. [13 赞 / 723 浏览] @_kiyosh1 — 用 V4 Flash（xhigh 档）一段时间后直言"可以肯定地说它就是彻头彻尾的垃圾"。https://x.com/_kiyosh1/status/2084271957441155286 ｜作者：做一款代码编辑器，粉丝 2809，https://x.com/_kiyosh1
7. [8 赞 / 425 浏览] @spikeysanju — 试用 V4 Flash 做安全调试和审计时幻觉太严重，因此不推荐。https://x.com/spikeysanju/status/2083928420061479175 ｜作者：agi_inc 创始 AI 工程师，粉丝 3274，https://x.com/spikeysanju
8. [7 赞 / 1399 浏览] @alvinfoo — 用幻觉率数据警告不能盲信单一模型：V4 Pro 94%、Flash 96%（越低越好），远高于 GLM-5.2 的 28%，必须交叉验证。https://x.com/alvinfoo/status/2072555802087600586 ｜作者：风投合伙人，前 Google，粉丝 163152，https://x.com/alvinfoo
9. [4 赞 / 239 浏览] @kurumuz — 评估本地模型做编程：V4 Flash 能用时确实不错，但会陷入 doom loop 让模型彻底不可用且很难自行恢复。https://x.com/kurumuz/status/2084408154310271346 ｜作者：Anlatan CEO（NovelAI），粉丝 2140，https://x.com/kurumuz
10. [4 赞 / 298 浏览] @pseudokid — 一次宕机后"魔力消失"：响应时快时慢、不再用正确的 read 工具改用 PowerShell、推理幻觉比平时多、纠错 prompt 反而引入更多幻觉，只好临时切到 Qwen3.6 Plus。https://x.com/pseudokid/status/2052911678409547906 ｜作者：AI 工程师，粉丝 3627，https://x.com/pseudokid
11. [4 赞 / 4454 浏览] @jamalhussayn — 在 OpenRouter 充 $10 用 V4 Pro 跑一个"非常基础"的任务被扣 $1.59，很失望，已申请退款未到账。https://x.com/jamalhussayn/status/2084378126789071284 ｜作者：粉丝 11，https://x.com/jamalhussayn
12. [3 赞 / 882 浏览] @witpohong — 点评 V4 Pro：重编程、快推理、比 Claude 省 40-60% token，但"如果有人说它已经跟 Claude/GPT 一样好，我觉得有点被高估了，一分钱一分货"。https://x.com/witpohong/status/2075133837320020406 ｜作者：粉丝 402，https://x.com/witpohong
13. [1 赞 / 173 浏览] @imhaoyi — 用 V4-flash-0731 做全栈造 macOS 灵动岛 app：后端与 GLM-5.2 相当，但前端"毫无机会——没有视觉模态等于闭着眼睛写代码"，一个动画卡了大半天最后放弃，改用 Grok-4.5 十分钟搞定，警告"别拿 DS 做 UI 动画"。https://x.com/imhaoyi/status/2083923300011655631 ｜作者：分享 AI/Web3/效率工具，粉丝 111，https://x.com/imhaoyi
14. [1 赞 / 510 浏览] @kennylamoot — 在结构化字段抽取上 V4 Flash 漏字段并幻觉出一个不存在的实体——甚至把他猫的名字归到了"activity"字段下。https://x.com/kennylamoot/status/2084498966096249220 ｜作者：在 AI 噪音中找信号，粉丝 30，https://x.com/kennylamoot
15. [1 赞 / 73 浏览] @bountyAIhunter — 用 48 项 agent 评测套件实测：V4-Flash 每通过任务成本比 Opus 5 便宜 8 倍，但只通过 31/48，且比 Qwen 多烧 51% token，"便宜每 token 和便宜每结果是两回事"。https://x.com/bountyAIhunter/status/2084614958654865471 ｜作者：粉丝 20，https://x.com/bountyAIhunter
16. [0 赞 / 29 浏览] @JustJorshin — 引用 Artificial Analysis：V4 Flash 0731 只是"学会了少编答案，而没学会知道答案"，幻觉率降到 84% 但准确率仍停在 37%，更多是校准而非新知识。https://x.com/JustJorshin/status/2084670821268611492 ｜作者：普通用户，粉丝 88，https://x.com/JustJorshin
17. [0 赞 / 124 浏览] @SimonasLTU1 — 同一带自定义指令的任务对比三模型：V4 Flash 单次成型但 zero-shot 直接启动失败、得手动修，修好后结果依然一团糟，只给 2/10（Qwen 3.8 Max 拿 8.5/10）。https://x.com/SimonasLTU1/status/2084372750945169528 ｜作者：关注 AI/域名/创业，粉丝 233，https://x.com/SimonasLTU1
评论