两个模型都做出了漂亮网站，也都在往下滚时出错：选 AI 主力别只看谁赢了

导读

选日常 AI 主力时，六项实测的胜负够不够？Peter Yang 的比较显示，选择还取决于常用工具、速度、价格和人工检查成本，而单次演示不足以形成普遍排名。他让两个模型用同一份行程制作旅行网站，首页都漂亮，往下滚却分别出现图片裁切和文字截断。游戏任务中，Fable 补上他没要求但喜欢的桶滚；浏览器上传短视频时，GPT 运行更快，但两条流程都在完成前被停止。健身 App 原型因为共用设计规则和组件库，两边结果很接近。Peter 最终选择 GPT 作为主力，同时愿意把另一模型用于规划和设计。文章建议用自己常见任务重复测试，记录耗时、返工和工具差异，并让发布等有后果的操作经过人工确认，不能只看生成结果的第一眼。