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

# 我们让 Grok 4.5、GPT-5.5 和 Claude 构建了相同的应用 来源：https://www.tryai.dev/blog/grok-4.5-vs-gpt-5.5-vs-claude-build-off Grok 4.5 本周发布，xAI 称其为他们迄今最智能的模型，“与 Cursor 一起训练”以应对编码和智能体工作。互联网上最流行的测试新编码模型的方式就是构建对决：给它一个提示，看它生成什么应用，然后发布视频。我们照做了，但用的是正经方式。 我们给了 Grok 4.5 (https://www.tryai.dev/models/grok-4.5)、GPT-5.5 (https://www.tryai.dev/models/gpt-5.5)、Claude Opus 4.8 (https://www.tryai.dev/models/claude-opus-4.8) 和 Claude Fable 5 (https://www.tryai.dev/models/claude-fable-5) 完全相同的三个提示：构建一个独立的 HTML 文件（无库、无网络调用），实现一个交互式应用。每个模型一次机会，不加引导，不调提示。然后我们将每个结果加载到真实浏览器中，进行测试，并记录发生了什么。下面的每个视频都是模型的原始输出，你可以点击“现场体验”亲自运行生成的应用。 有一个失败规则：如果应用完全未渲染，我们允许恰好一次重试，并且会在使用时明确告知。 ## 第一回合：一个可以打乱并复原的 3D 魔方 > 构建一个色彩丰富、具有 3D 效果的魔方，带有“打乱”和“复原”按钮。魔方的旋转必须可见动画。 这是最难的一个。它需要真正的 3D 数学、每个面的状态以及动画，全部在一个文件中完成。 Grok 4.5 | GPT-5.5 | Claude Opus 4.8 | Claude Fable 5 --- | --- | --- | --- 现场体验：Grok 4.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/rubiks-cube/grok-4.5.html) · GPT-5.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/rubiks-cube/gpt-5.5.html) · Opus 4.8 (https://www.tryai.dev/blog/grok-4.5-buildoff/rubiks-cube/claude-opus-4.8.html) · Fable 5 (https://www.tryai.dev/blog/grok-4.5-buildoff/rubiks-cube/claude-fable-5.html) Claude 在这一局中胜出。Opus 4.8 和 Fable 5 都首次尝试就生成了一个正确、色彩标准的 3D 魔方，并且能够以动画旋转的方式打乱和复原。Grok 4.5 在这里翻车了：它的第一次尝试只渲染了标题和按钮，魔方完全没出现（一片空白），所以我们用掉了唯一的一次重试机会，第二次尝试生成了一个干净、色彩丰富的 3D 魔方。GPT-5.5 表现最差，只渲染了一个颜色黯淡的单一面，而不是完整的魔方。获胜者：Opus 和 Fable 并列。 ## 第二回合：一个粒子重力沙盒 > 在画布上构建一个交互式粒子重力沙盒：数百个粒子带有轨迹，点击可添加一个重吸引子。要令人着迷。 Grok 4.5 | GPT-5.5 | Claude Opus 4.8 | Claude Fable 5 --- | --- | --- | --- 现场体验：Grok 4.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/gravity-sandbox/grok-4.5.html) · GPT-5.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/gravity-sandbox/gpt-5.5.html) · Opus 4.8 (https://www.tryai.dev/blog/grok-4.5-buildoff/gravity-sandbox/claude-opus-4.8.html) · Fable 5 (https://www.tryai.dev/blog/grok-4.5-buildoff/gravity-sandbox/claude-fable-5.html) 所有模型都生成了可用的沙盒，所以胜负取决于观感。GPT-5.5 做出了最令人着迷的一个：发光的霓虹吸引子，带有密集的彩色漩涡轨迹。Grok 4.5 走的是简洁的轨道风格，有整齐的吸引子环和彩色条纹粒子。Fable 5 偏向于柔和的发光球体，而 Opus 4.8 生成了最繁忙、最像蛛网的粒子场，物理效果很好，但视觉上略逊一筹。获胜者：GPT-5.5（基于观感）。 ## 第三回合：一个可玩的打砖块游戏 > 在画布上构建一个可玩的打砖块/打砖游戏：挡板跟随鼠标移动，小球击碎彩色砖块，带有得分和生命值。 Grok 4.5 | GPT-5.5 | Claude Opus 4.8 | Claude Fable 5 --- | --- | --- | --- 现场体验：Grok 4.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/breakout/grok-4.5.html) · GPT-5.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/breakout/gpt-5.5.html) · Opus 4.8 (https://www.tryai.dev/blog/grok-4.5-buildoff/breakout/claude-opus-4.8.html) · Fable 5 (https://www.tryai.dev/blog/grok-4.5-buildoff/breakout/claude-fable-5.html) 平局。全部四个模型在第一次尝试时都生成了一个完善、真正可玩的打砖块游戏，带有得分、生命值和发光挡板。Grok 4.5 和 GPT-5.5 最倾向于霓虹街机风格（GPT 甚至在我们脚本控制小球弹跳时累计了分数）。如果非要在细节上较真，这四个模型都达到了可发布的质量。获胜者：所有人。 ## 数据：速度与成本 漂亮的演示是一回事；每个模型运行的成本是多少？我们使用自己的测试工具亲自测量了结果（三个固定提示，涵盖编码、推理和摘要，每个重复三次，输出令牌上限为 400），通过与应用相同的提供商路径。吞吐量是输出令牌除以总挂钟延迟，对所有提供商统一测量。 | 模型 | 中位延迟 | 首令牌时间 | 吞吐量 | 每次回复成本 | 成功率 | | --- | --- | --- | --- | --- | --- | | Grok 4.5 | 2.8s | 0.44s | 110 tok/s | 0.002¢ | 100% | | GPT-5.5 | 2.0s | 1.26s | 53 tok/s | 0.004¢ | 100% | | Claude Opus 4.8 | 2.6s | 1.16s | 47 tok/s | 0.004¢ | 100% | | Claude Fable 5 | 6.3s | 3.47s | 28 tok/s | 0.009¢ | 100% | 这是 Grok 4.5 展示实力的地方。它在不到半秒内就输出了第一个令牌，以约 110 个令牌/秒的速度流式传输（大约是其他模型的两倍），并且是这组模型中每次回复最便宜的，这正是 xAI 宣传的“每单位时间和成本的智能”。它的中位挂钟延迟看起来只是中等水平，因为它回答冗长（每个答案写的令牌最多），并且尾部延迟波动较大（p95 约 9 秒）。GPT-5.5 在短回答上最快，Opus 4.8 处于平衡的中间位置，而 Fable 5 最慢且最贵，这是为顶尖智能付出的代价。 ## 附加回合：画一些奇怪的东西 编码是一回事；空间想象力是另一回事。我们要求每个模型用单个手写 SVG（无光栅、无库）描绘一个故意搞笑的场景：一匹马骑在一名月球漫步的宇航员肩膀上。角色反转，两个人物，一个文件。 Grok 4.5 | GPT-5.5 | Claude Opus 4.8 | Claude Fable 5 --- | --- | --- | --- Grok 4.5 马骑宇航员 | GPT-5.5 马骑宇航员 | Claude Opus 4.8 马骑宇航员 | Claude Fable 5 马骑宇航员 原始 SVG：Grok 4.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/svg/grok-4.5.svg) · GPT-5.5 (https://www.tryai.dev/blog/grok-4.5-buildoff/svg/gpt-5.5.svg) · Opus 4.8 (https://www.tryai.dev/blog/grok-4.5-buildoff/svg/claude-opus-4.8.svg) · Fable 5 (https://www.tryai.dev/blog/grok-4.5-buildoff/svg/claude-fable-5.svg) Fable 5 惊艳全场：一匹戴着牛仔帽的马大喊“驾，人类！”，而一个弯腰驼背的宇航员喘着“呼呼...呼呼...”。这不仅仅是绘画，这是喜剧。GPT-5.5 紧随其后，一匹兴高采烈的马喊着“WHEE！”。Grok 4.5 简洁地完成了任务，呈现了一个色彩鲜艳、可读性强的场景。Opus 4.8 也画了一幅充满个性的马骑宇航员，但它的原始 SVG 包含了一个重复属性，会导致严格的 SVG 解析器出错（我们在上图中以宽松模式渲染），这是一个虽小但确实存在的正确性问题。 ## 结论 - **Grok 4.5 是速度与价值的怪兽。** 它构建了一个很棒的打砖块游戏和一个流畅的重力模拟器，流式传输速度大约是其他模型的两倍，运行成本也是最低的。它唯一明显的失误是在最难的有状态任务上（第一次尝试魔方空白，但重试后修复）。如果你的工作负载是高容量代码生成，且延迟和成本会叠加，那么很难反驳它的优势。查看 Grok 4.5 vs GPT-5.5 (https://www.tryai.dev/compare/grok-4.5-vs-gpt-5.5)。 - **Claude Opus 4.8 和 Fable 5 是最可靠的构建者。** 它们仅有的两个模型首次尝试就成功完成了 3D 魔方，Fable 还贡献了最有趣的 SVG。你需要为延迟和价格（尤其是 Fable）付出代价。查看 Grok 4.5 vs Opus 4.8 (https://www.tryai.dev/compare/grok-4.5-vs-claude-opus-4.8)。 - **GPT-5.5 是快速的风格大师。** 最漂亮的重力模拟器，最快的短回答，但在魔方上翻了车。 诚实的标题：在全新发布日，Grok 4.5 与你所能买到的最佳模型平分秋色，并在速度和成本上直接胜出。想用自己的提示亲自验证吗？这里的每个模型都可以通过一个 TryAI 账户 (https://www.tryai.dev/login) 按使用量付费运行。浏览模型 (https://www.tryai.dev/models) 并开始你的构建对决。 ## 亲自尝试 本文提到的所有模型都可以在 TryAI 上通过一个账户使用，按使用量付费，无需订阅。 免费开始 (https://www.tryai.dev/chat)