每个月掏真金白银订AI服务的人，这个11月过得有点煎熬。
11月9日，GPT-6.2 Sol悄悄灰度上线，X上实测demo刷屏，大V直呼"完胜Opus 5.5"；可只过了三天，另一篇实测文章里，第三方榜单的第一名又换成了别的模型。跟着榜单走，怕追高；不跟，又怕错过。手指悬在订阅按钮上，按下也不是，关掉也不是。
我把11月9日到12日36氪、凤凰网科技、腾讯网、人人都是产品经理的四篇报道翻了一遍，发现问题不在榜单，在我们用榜单的方式。
先说发生了什么
据36氪等媒体11月9日报道，GPT-6.2 Sol开始灰度放量，部分用户发现自己被自动路由到了新模型。它的看家本事是：一句话生成完整的3D交互场景，所有Three.js代码打包进一个HTML文件，不用Blender、不用任何外部素材，浏览器里直接跑出3D游戏级别的画面。
X大V Token Gremlin先说"终于有个能跟Opus 5.5掰手腕的模型了"，玩了一会儿后改口：完胜。葛饰北斋的名画被它做成3D场景，零外部素材。他还算了笔账：十来次使用，只消耗了200美元Pro订阅额度的不到10%。当天，基准机构Artificial Analysis的榜单上，GPT-6.2 Sol空降榜首。
但11月12日，程序员鱼皮的实测文章给出了另一番景象：Artificial Analysis的智能指数上，Claude Fable 5.2以65分排第一，刚在11月10日全面开放的谷歌Gemini 4 Carbon拿60分排第四。榜首，三天就换了人。
跑分为什么不可信
**第一，灰度实测不等于全量结论。**人人都是产品经理上，作者卡尔抽到灰度后一小时内跑完代码动画、动效、UI审美等case，结论是审美与3D表现明显抬了一档、追平Opus 5.5——但他自己也强调：官方跑分还没公布。早期玩家样本小、场景集中在视觉类，刷屏的永远是"最好的一次"。
**第二，官方跑分表有表头猫腻。**谷歌晒Carbon的跑分时，17项测试拿了15项第一。但鱼皮指出，对比对象写的是上一代Fable 5.1，而不是同天刚发布的Fable 5.2。而它输掉的两项里，OSWorld-2.1是Opus 5.5的87.2%更强，FrontierSWE 2是GPT-6 Astra的65.5%更高。每家的宣传图，都只让自己站在领奖台最高处。
**第三，真正的变量是价格。**Carbon优惠价每百万token输入2美元、输出10美元（12月1日起翻倍），只有Fable 5.2单价的四分之一。鱼皮用Fable 5.2实测3个前端项目，花了500多块。对自掏腰包的人来说，"谁第一"远不如"干完我这个活要花多少钱"重要。
普通人的选法：按任务挑，别按榜单挑
这张对照表建议存下来：
| 你要干的事 | 优先试的方向 | 依据 |
|---|---|---|
| 3D交互场景、视觉审美类生成 | GPT-6.2 Sol（若已灰度到） | 11月9-10日多方实测：3D与审美明显抬档 |
| 长时间Agent任务、复杂多步编程 | Gemini 4 Carbon | 官方定位；但官方也建议一般任务用上一档Argon省着点 |
| 前端/代码密集、预算充足 | Claude Fable 5.2 或 Opus 5.5 | Opus 5.5在OSWorld-2.1拿87.2%；单价高，先小任务试成本 |
| 日常问答、写文案 | 任意中档模型 | 顶级模型的溢价在这类任务上花不出价值 |
再补两个小动作：一是已订阅ChatGPT的朋友，直接在对话里发一个复杂的3D或动画需求，看返回质量有没有肉眼可见的变化，比刷榜靠谱；二是花大钱前先用最小任务测一轮——500块跑3个项目的账提醒我们，不同模型的完成成本能差好几倍。
榜单还会继续变，12月可能又是一轮洗牌。但你的任务没变：写这周的方案、做这个demo、改这个bug。工具是笔，人心是墨——笔换得再快，握笔的人不用慌。知道自己要解决什么问题，模型就永远只是可随时替换的选项。
对了，想低成本横向多试几个工具的话，我在 spark1.cn/tools/ 按场景整理了94个可直接上手的AI工具入口，适合先免费小规模测试，再决定为谁掏钱。
评论