ournews.aiNews in the AI era.

Theo 对 OpenAI 的不满:基准测试赢了,编码过程却输了

OpenAI 带来了更便宜的 token 和一份新的成绩榜。Theo Browne 想谈的则是,让编码智能体持续工作一段时间后会发生什么。

11 月 18 日,这位开发者、T3 创始人在 X 上发表了自己的判断:“Anthropic 的领先始于 Fable 5。”

他的观点不只是偏爱某个聊天机器人的个性。他认为,开发者低估了一次能力跃升,因为最初版本购买不便、难以在工作中部署,也不容易用好。后来,Opus 让这种体验的更多方面变得实用。

以下是从 他的完整帖子 中提炼出的要点。

第一次跃升很容易被忽视。 Browne 认为,Fable 5 要求用户采用不同的工作方式。高昂的成本、受限的访问权限以及当时缺少零数据保留政策,限制了人们实际试用它的机会。在他的叙述中,采用方面的问题掩盖了能力上的领先。

短任务可能让模型显得更出色。 他说,GPT-6 Astra 在短任务能力上基本追了上来,而 Anthropic 的模型在长时间运行中保持了更好的连贯性。这是他批评的核心区别:得到一个答案和持续完成一项复杂工作,是两种不同的体验。

Opus 让高级功能变得实用。 他认为,Opus 5.5 通过降低成本、提供更宽松的订阅额度以及适合企业使用,让普通用户也能用上 Fable 的更多优势。

工作成果的可读性也是产品的一部分。 他对 OpenAI 的不满在于,基准测试的进步伴随的是连贯性和可读性更差的工作体验。这是 Browne 对模型的评价,不是一项受控的直接对比结果。

回复中显现出开发者之间常见的分歧。一些读者称 Fable 是他们个人经历中的突破。另一些人则质疑这种条理分明的历史叙述,指出 Anthropic 自己发布的产品也有可读性方面的抱怨和性能倒退。就连粉丝群也有缺陷追踪记录。

价目表让情况更加复杂。

按照 目前的标准 API 费率 ,Sol 6.2 每百万输入 token 收费 2 美元,每百万输出 token 收费 10 美元。Astra 6.2 的价格为 8 美元/40 美元。Anthropic 列出的价格 为 Opus 5.5 收费 4 美元/20 美元,Fable 5.2 收费 8 美元/40 美元。这些是输入/输出 token 费率,不是订阅额度,也不是对完成一个项目所需费用的预测。

这给 Sol 带来了一个诱人的机会:它的 token 费率只有 Opus 的一半。但如果更便宜的智能体需要更多引导,节省下来的费用可能会被开发者耗费的时间抵消。反过来说,为自己喜欢使用的模型付费,也不保证它能更快完成某项具体任务。

我们的 发布对比 并列展示了公布的分数和价格。Browne 讨论的是图表难以定价的部分:工作变得复杂时,智能体需要人盯着多少。

对于正在选择编码模型的团队,他的帖子提出了一种比巧妙的单次提示词更好的试用方法:给它一项耗时又烦人的任务,看看它能否理清计划、留下可读的修改,并在遇到困难时告诉你。

演示赢得掌声。一个无需人盯着的下午,才能赢得续订。

封面:Theo Browne 2026 年 11 月 18 日在 X 上发布的原帖开头,作为其观点的来源文档展示。