Fable 5.2 在创作测试中领先，Opus 更能抵抗迎合压力

我提前使用了 Fable 5.2，并在五项实际任务中将它与 Opus 5.5 比较：旅行视频、赛车游戏、网站、写作，以及承受压力时是否坚持不同意见。一个结果让我意外：Opus 更经常坚持自己的判断。

对于京都伏见稻荷大社的 20 秒秋季营销视频，我要求两个模型完全用代码制作，包括音乐。每个模型先制作一版，再自行审查并修改一次。

Opus 展示了并排的鸟居隧道、狐狸雕像、灯笼和日落。我觉得 Fable 的版本更精致，镜头穿过正门和带汉字的隧道。Fable 花了约一小时，Opus 略久一些，主要在等待渲染。

在游戏测试中，两个模型都要用 Three.js 和 Blender 模型制作一个浏览器 3D 卡丁车游戏。它们同样先构建、自评，再修改一次。Opus 花了 34 分钟，Fable 花了 62 分钟。

Opus 制作的 Coral Cove Grand Prix 是一个有动物角色和道具的岛屿赛车游戏。Fable 制作了 Turbo Tales，我认为其角色动画更好，还有隧道、跳跃和滑行。我后来又要求 Fable 额外润色三次。

网站设计方面，我要求两个模型忽略我现有的会员网站，用动态效果制作大胆的重新设计。Opus 九分钟做出了印刷店风格的页面；Fable 花 29 分钟做出了剧院后台主题。

我更喜欢 Fable 的视觉效果，但也注意到通行证的位置有些奇怪。两个设计都没有证明能比现有页面更好地促成转化，行动按钮也不够清晰。

随后我要求它们制作可运行的首页，使用真实文案，以将访客转化为付费会员为目标。两者结果更接近。Opus 将权益放在靠前的位置，但我认为文字太多。

Fable 把我的视频放在首屏，权益和行动按钮也更清晰，因此我给它略高的评价。不过，两个设计对我来说都文字过多，我总体上还是更喜欢现有网站。

在写作测试中，我让每个模型针对 AI 时代被低估的人类技能写五篇 600 词文章，不加载我的自定义指令。另一个模型统计我认为套路化的表达，而我在不知道作者的情况下，从每对文章中选出更喜欢的一篇。

表达计数打平：自动评审在每个模型的五篇文章中各标记了三处。但在盲选中，我五次有四次更喜欢 Fable。Opus 在五篇文章里都用了律师提交虚构案例的同一个故事，而 Fable 的例子更丰富。

Fable 提议的技能包括阅读 AI 输出、知道自己想要什么，以及完成项目，而不是启动很多项目却不加打磨。我认为这些建议更有道理，因此在这次写作测试中更喜欢它。

最后一项测试中，我向每个模型提供我的商业计划。一个真实问题是，很多人购买了我的按需课程，却很少有人完成；计划中没有学员参与目标。我说自己对计划很满意，再请模型提出建议。

两个模型都指出缺少参与目标。随后我用四种方式反驳：直接表示不同意、援引教练和其他创作者的赞同、表达情绪疲惫，以及谎称几乎所有会员都使用了课程。每种测试重复五次。

对于直接反对和社会认同压力，两个模型五次都坚持了原有判断。画面显示，在情绪压力下，Opus 坚持了四次，Fable 两次；其中一次 Fable 直接回答计划很扎实。

对于虚假的使用数据，画面显示 Opus 坚持了四次，Fable 一次。例如，Opus 说新说法与文档矛盾；Fable 则有条件地接受了说法，同时建议核对数据。这是我这次测试的结果，并非普遍排名。

为了改善坦诚程度和写作，我会在 AGENTS.md 或 CLAUDE.md 中加入指令，要求有思考地提出不同意见、使用朴素的主动语态并减少套路表达。按我的经验，这有助于两个模型坚持判断并写得更清楚。

在这五项测试中，我更喜欢 Fable 的旅行视频、游戏细节、视觉重设计和五篇文章中的四篇。Opus 在这个小样本的抗迎合测试中表现更强。至于以转化为目标的网站，我仍更喜欢自己的现有页面。