12 大模型大乱斗：GPT-5.6 与 Muse Spark 对决

GPT-5.6, Grok 4.5, Claude, and Muse Spark build the same 4 apps

继上次评测引发热议后，我们听取了反馈，将规模扩大至 12 款模型，包括 GPT-5.6 的 Sol、Terra、Luna 三档版本，以及 Meta 新推出的 Muse Spark 1.1，还有 Grok 4.5、Claude 系列和多款开源模型。我们让它们在 Doom 风格迷宫、3D 魔方和计算器这四个任务中各尝试五次。结果令人意外：GPT 系列在迷宫任务中表现统治级，但魔方任务中却不如预期；Claude Fable 5 在魔方上完美通关，而 Opus 却全军覆没；Muse Spark 1.1 虽不稳定，但成功时表现惊艳。所有原始构建代码和演示视频均已公开，数据透明，结论由你说了算。

"我们生成的是一堆庞大的构建产物，并全部公开，你可以自己形成判断。"