我把4个GPT模型拉去写同一个3D网站，结果新模型被老旗舰反杀了

凌晨，OpenAI 终于公开新模型了，GPT-5.6。

而且这次不是发一个，是一次发三个。Sol、Terra、Luna，分别对应旗舰、均衡、低成本三条线。

官方博客看完，最直观的感受是，OpenAI 这次的定价策略终于开窍了。以前的 GPT-5.5，就一个版本，不管你用不用得上那么强的能力，都得付那个价。这次直接把模型分了三档，你要最强编码能力就上 Sol，日常写写代码用 Terra，预算有限就 Luna，丰俭由人。

坦率的讲，这跟 Anthropic 的 Opus/Sonnet/Haiku 命名逻辑几乎一模一样，只不过 OpenAI 用了太阳、地球、月亮来比喻。怎么说呢，太阳最亮也最贵，地球刚刚好，月亮就是在暗处给你一点光。

而且价格确实下来了，Luna 的输出价是 Sol 的五分之一，Terra 是 Sol 的一半。对于很多日常使用场景来说，完全不需要开 Sol 那个档位。

GPT-5.6 到底升级了什么

先过一下关键参数。

三个模型的核心差异主要在编码能力上，按照 OpenAI 官方给的数据，Sol 在 Artificial Analysis 的 Coding Agent Index 上拿了 80 分，SOTA。Terra 是 77.4，Luna 是 74.6。作为参照，Claude Fable 5 是 77.2，GPT-5.5 官方没给这个基准的具体数字。

在 Terminal-Bench 2.1 上，Sol 做到了 88.8%，如果开 Ultra 模式能冲到 91.9%。Ultra 是这次新出的一个推理模式，默认给你开 4 个 agent 并行干活，最多能到 16 个，简单理解就是让几个 AI 同时给你干活然后合并结果，速度和效果都更好，但 token 烧得也更多。

还有一个比较重要的更新叫 Programmatic Tool Calling，以前模型调用工具的流程是，你给指令，模型调工具，拿到结果返回给模型，模型再决定下一步。每一步都需要模型亲自看过才能往下走，又慢又费 token。

现在 GPT-5.6 可以在内存里写一段轻量程序自己协调工具调用，中间数据的筛选和过滤它自己搞定，不需要每一步都回传给模型做决策。翻译成人话就是，干同样的活，少用了将近一半的 token，快了一倍。

效率提升这件事，Lovable 的联合创始人给了一个很有意思的数据 ，接入 GPT-5.6 之后，用户构建应用的步骤减少了约 25%，工具调用减少了 35% 到 48%，项目成功率提升，卡住率降低了 15%。这组数据比任何 benchmark 都更能说明问题，因为 Lovable 是真实用户在生产环境里用的。

还有一个特别值得注意的点。

OpenAI 在官方博客里专门用了一整章来讲「Design Judgment」，设计判断力。原话是 GPT-5.6 在 UI 和前端设计上有「a step change in design judgment」。

说实话，看到这句的时候，第一反应是，真的假的。

因为 GPT 系列在前端审美这件事上的口碑，怎么形容呢，就是不太行。也不是说不能用，就是生成出来的界面总有一种「模板感」，配色要么寡淡到像没有配色，要么就是那种特别古早的蓝白后台管理系统风。说真的，Claude 在这方面一直比较能打，做出来的东西至少有设计感。

所以，与其看 benchmark 数字，既然官方特意提到了设计判断力，那不如直接拉出来遛遛。

4个GPT模型，同一个3D网站

测试方法很简单。

找一个创意性极强的项目，让 4 个模型从零搭建，然后逐个跑一遍，看看谁做得最好看、谁最完整、谁翻车最惨。

项目选的是一个 3D 浮岛创意作品集，对标 jordan-breton.com 那种风格，一座漂浮在空中的岛屿，上面有自然元素，随着页面滚动镜头会环绕岛屿移动，分成远景、中景、近景、拉远四个章节。岛上有展示物件可以交互，鼠标悬停时发光放大，点击后相机平滑推进。

选这个项目的原因是，它把 3D 场景、滚动叙事、粒子特效、UI 审美全揉在了一起。光能跑起来是不够的，它得好看，而这恰好就是 OpenAI 说 GPT-5.6 变强了的那个维度。

Prompt 是让 DeepSeek 写的，不是偷懒，你想想看，主要是为了保证关键词的一致性，避免写 Prompt 的时候无意识偏袒某个模型。同一套 Prompt 喂给 GPT-5.5、GPT-5.6 Luna、GPT-5.6 Terra、GPT-5.6 Sol，技术栈统一用 React + Three.js（React Three Fiber）+ Drei。

每个模型给 3 轮对话，首轮生成加两轮修 bug。好了，下面一个一个看。

Luna，一分钱一分货

先说最便宜的 Luna。

怎么说呢，Luna 的成品是这个测试里完成度最低的一个。

场景确实搭出来了，有一个浮岛形状的东西，也有天空背景。但滚动页面的时候，问题就全暴露了。相机是动了，但过渡完全没有缓入缓出，就是从一个位置突兀地跳到另一个位置。HTML overlay 的标题文字在切换章节的时候直接跟上一章的标题叠在了一起，两个标题互相穿透，那个画面说实话有点像 PPT 翻页动画做崩了。

展示物件呢？Prompt 里要求的 3 到 4 个展示物件，Luna 基本上没做。岛上空荡荡的，没有水晶、没有画架、没有雕塑，就更别谈鼠标悬停之后的高亮发光了。

唯一能夸的是，至少场景渲染出来了，运行之后能跑。

但也就仅此而已了，太离谱了。。。

毕竟是 4 个模型里最便宜的，输出价格只有 Sol 的五分之一。你花多少钱，它给你干多少活，这种事在 AI 模型里也是成立的。一分钱一分货，Luna 把这个道理诠释得很到位。

Terra，能跑，但不太走心

Terra 的定位是均衡，日常使用推荐。

但它在均衡这件事上，表现有点微妙。

Terra 搭出来的场景比 Luna 强不少，浮岛的形状更自然了一些，天空的渐变也做了，草地和树也有。相机过渡也平滑了，没有 Luna 那种章节切换时突然跳变的问题，说明它在滚动事件的处理逻辑上至少比 Luna 认真了一个档次。

但问题出在交互层面。

Prompt 里明确要求岛上有 3 到 4 个展示物件，鼠标悬停的时候物件要发光，emissive 加强，放大 1.2 倍，同时对应的 HTML overlay 卡片要高亮。Terra 做了展示物件，但悬停的时候，没发光。

不是发光效果做错了，是根本没做。物件就静静地浮在那里，鼠标放上去，毫无反应。

这对于一个作品集网站来说是有点致命的，因为这 4 个展示物件是这个页面的核心交互，用户跟这个 3D 场景唯一的互动就是去看这些物件、点击这些物件。如果悬停没有反馈，整个体验就变成了一个只能滚动的 3D 幻灯片。

而且说实话，Terra 做出来的配色，怎么说呢，就是那种典型的 GPT 味。啥都偏灰，颜色像蒙了一层半透明灰布，岛上的草地不是翠绿是灰绿，天空的蓝色饱和度低到让人怀疑是不是开了什么奇怪的滤镜。

能跑，功能也做了大部分，但就是不太走心。

GPT-5.5，老将的尊严

接下来是 GPT-5.5，上一代的旗舰。

说实话，GPT-5.5 的表现挺意外的。

先说不好的地方，它的配色审美确实保持了 GPT 系列的一贯水准，低。天空有一种说不上来的廉价感，整体的色彩搭配只能说是一种风格，那种你让你写前端你只用了默认配色表的风格。在 4 个模型中，GPT-5.5 的设计审美确实不如 Sol。

GPT-5.5 的转场效果，是今天 4 个模型里效果最好的。

相机的过渡非常平滑，从远景俯瞰到中景环绕，从中景到近景特写，每一段都有明显的缓入缓出。尤其是点击展示物件之后，相机会平滑地推进到物件的特写角度，那个过渡的速度和节奏感，拿捏得刚刚好，不突兀也不拖沓。

这是 Luna 和 Terra 都没做到的。

Luna 是没有过渡直接跳，Terra 的过渡存在但是比较机械。GPT-5.5 的过渡有一种「人调过的感觉」，不管这个感觉是故意的还是碰巧的，至少最终效果是舒服的。

而且 GPT-5.5 的场景元素也是齐全的，该有的都有，岛、草、树、瀑布粒子、云层、远处的浮岛剪影，比 Luna 和 Terra 都完整。

一个已经发布了一年的模型，在创意项目上干掉了两个新模型的两个低配版。老将的尊严保住了。

Sol，最强，但也不是完美的

最后是 Sol，GPT-5.6 的旗舰，也是这次 OpenAI 力推的最强编码模型。

Sol 的成品确实是 4 个模型里最完善的。

场景比 GPT-5.5 的更精致，岛屿的形状更有层次感，天空的色彩过渡更自然，粒子的分布也更均匀。展示物件做了，而且悬停高亮做了。在 4 个模型中，Sol 是唯一一个完整实现了「鼠标悬停物件发光加上放大」这个交互逻辑的模型。

但 Sol 也有自己的问题。

点击展示物件拉近视角的时候，Sol 不只是拉近了，它还顺手把背景给虚化了。Prompt 里根本没提虚化这个需求。这个虚化效果说实话并不突兀，甚至可以说是一种「品味不错的设计决策」，但它确实是一个幻觉，模型自己在 Prompt 之外发挥了。

从设计效果来看它是 OK 的，但从跟 Prompt 的一致性来看它偏了。

这就挺有意思的，GPT-5.6 官方强调的「design judgment」能力，在 Sol 身上确实能感受到，但这个判断力有时候会过了头，自己给自己加戏。你让它做一个相机推进，它觉得光推进不够，还得加个景深虚化才好看。说的好听是设计师自觉，说的不好听就是不听指令。

不过客观来说，在创意类项目里，这种程度的不一致是可以接受的。它加的虚化确实好看，体验上也是加分的。但如果是一个需求极其精确的商业项目，这种「自作主张」可能就得特别注意了。

另一个值得注意的发现

这次测试结果有一个细节，比 Sol 拿第一更有意思。

GPT-5.5 在 3D 创意项目上的表现，稳压了 Terra 和 Luna。

一个上一代的旗舰模型，在创意场景里打赢了两个新一代的低配模型。

这说明一件事，模型的能力不是线性升级的，不是说你叫 GPT-5.6 就自动比 GPT-5.5 强。老旗舰在某些维度上依然有自己的不可替代性，就像你不能因为 iPhone 17 发布了就觉得 iPhone 15 Pro 是垃圾，Pro 永远是 Pro。

回到这次 GPT-5.6 的发布，Sol 很强没有任何疑问。但如果你的预算是 Terra 这个档位，在创意类项目上你可能还不如用回 GPT-5.5。

这个信息差，值得让更多人知道。

文章来自于微信公众号 “毒AI”，作者 “毒AI”