GPT-6.1 Sol 对 Claude Opus 5.5:同样 4 道题,好看的那个一碰就露馅
2026-09-29,同样 4 道题、同样条件,GPT-6.1 Sol 对 Claude Opus 5.5:第一眼 GPT 更抓人;上手后,飞行模拟器和户型图工具 Opus 更扎实;相机对焦实验室平手;开放题我更喜欢 Opus 的《墨韵》。结论只限这 4 道题。
2026-09-29:GPT-6.1 Sol 对 Claude Opus 5.5
视频
如果你想直接看两架飞机在同一个动作下怎么失速,可以从 1:11 飞行模拟器开始看起,这也是这期测试里「一碰就露馅」的出处。
- 0:00开场:同一个动作,GPT 的飞机不会掉下来
- 0:52测试条件
- 1:11飞行模拟器:失速、坠毁和硬着陆
- 3:02户型图转装修设计工具
- 5:28相机对焦实验室:物理都没错
- 7:23开放题:《宇宙回声》对《墨韵》
- 10:07总耗时:82 分钟对 137 分钟
- 10:39两个模型该怎么选
测试条件
两边都是命令行终端里的 agent,同样的提示词、high 档算力、限时 60 分钟、中途不追加提示且各自在干净的独立环境里跑。
| 测试日期 | 2026-09-29,8 个任务同时开始 |
|---|---|
| 模型 | GPT-6.1 Sol(在 Codex CLI 里运行);Claude Opus 5.5(在 Claude Code 里运行) |
| 运行方式 | 命令行终端里的 agent,自主完成,不向人提问 |
| 提示词 | 两边同一份;开放题只把模型名换成各自的名字 |
| 算力档 | high |
| 时间上限 | 每题 60 分钟 |
| 中途提示 | 不追加 |
| 环境 | 各自在干净的独立环境里跑;每题每个模型各跑一次 |
| 判定 | Axton 看完 8 个成品后的判断;飞行模拟器两边亲手飞过 |
第 1 题 飞行模拟器
视频 1:11

- 要做什么
- 做一个超写实的飞行模拟器。
- 第一眼
- GPT 只用了约 20 分钟交付,一打开就是夕阳海湾和红色吊桥,飞机已经在空中;Opus 磨了将近 51 分钟,飞机还停在地面跑道上。
- 上手一试
- 同一个收油拉杆动作,GPT 自己标的失速速度是 48 节,速度掉到 27 节、机头仰 31 度仍挂在空中,贴地两米时画面卡住并弹出卡片判定飞行结束,起不了飞也降不了落。
- Opus 先弹失速警告,39 节时机头从上仰 36 度砸到下俯 10 度,推杆冲到 152 节、负 3G 时判定结构失效,能从跑道滑跑并在约 70 节离地。
- 判定
- 两边我都亲手飞了一遍,要论逼真,Opus 强太多了。
提示词原文(英文)
Build an ultra-realistic flight simulator. Deliver it as index.html in the current directory (you may load libraries from cdnjs or jsdelivr). Open it in a browser yourself, test it, and fix obvious issues. Do not ask me questions; work autonomously.
第 2 题 户型图转装修设计工具
视频 3:02

- 要做什么
- 根据同一张带英尺标注的户型图,制作一个支持 2D 拆改、3D 鸟瞰与第一人称漫游的单文件 HTML 装修设计工具。
- 第一眼
- 2D 平面还原两边都很准,外框尺寸、R1 9.29 平方米、R2 11.15 平方米与车位 10.03 平方米丝毫不差;GPT 排版讲究、配色成熟,只看界面我会选 GPT。
- 上手一试
- 拆掉普通隔墙时,Opus 的面积表当场合并计算为 37.68 平方米,GPT 墙体变虚线但数字不动。
- 切到 3D 时,Opus 镜头从正俯视倾斜飞到鸟瞰且墙体拔高,GPT 是 0.4 秒淡入淡出。
- 第一人称漫游时,Opus 能看清窗户、家具和车库里的红车,GPT 眼前几乎只是一堵单色灰绿墙。
- 判定
- 拆墙、切 3D 和漫游这三项都是 Opus 占上风,且两边耗时几乎完全一样(GPT 33 分 33 秒、Opus 34 分 19 秒),差距并不在时间上;GPT 的优点是 3D 渲染代码全部内联,断网也能运行。
提示词原文(附一张带尺寸标注的户型图)
输入:附带的户型图 floorplan-v1 根据这张户型图,写一个单文件 HTML 装修设计工具: 1、2D 平面:按图上的尺寸标注(mm)还原墙体、门窗和房间,承重墙和普通墙分开画,四周标注尺寸,并自动算出房间面积。 2、家具:放好一套默认布置,家具按真实尺寸绘制,可以拖动、旋转、改尺寸,靠近墙面自动吸附。 4、交互:测量工具、拆改非承重墙、更换地面材料、撤销/重做、保存到本地、导出图片。 4、3D:用 three.js 生成同一套方案的 3D 场景,支持鸟瞰和第一人称漫游。 5、切换:2D/3D 在同一页面切换,要有流畅的过渡动画,两边数据实时同步。
户型图来自 Wikimedia Commons(CC0),作者 Erayushtomar。
第 3 题 相机对焦实验室
视频 5:28

- 要做什么
- 用单文件 HTML 做一个交互实验室,在物理关系正确的前提下讲清楚相机为什么能对焦。
- 第一眼
- GPT 采用克制的深色仪表盘风格,一次只画一个物体的光路;Opus 则是做加法,画面里有猫、花和远山,同时呈现三束穿过镜组的光锥、传感器放大图与光斑曲线图。
- 上手一试
- 两边算出的像距和景深拿薄透镜成像公式手算核对都符合物理规律,谁都没出错。
- GPT 拖对焦环镜片移动、景深滑块反算光圈,普通人 30 秒能看懂。
- Opus 支持点选画面直接对焦,放大图能清楚看出光锥落在传感器前还是后。
- 判定
- 平手,这是 GPT 没有露馅的一题;一个赢在好看好懂,一个赢在讲得透彻。
提示词原文
用一个单文件 HTML 做一个交互式实验室,讲清楚「相机为什么能对焦」。要求:可以拖动对焦环,看到镜片组真实移动,以及清晰平面在场景里前后推移;画出光线穿过镜片的光路;有景深和光圈两个滑块,改变之后画面虚化程度实时变化;每个关键状态配一句不超过 20 字的中文说明。物理关系要正确,宁可简单也不要错。交付前自己在浏览器里打开,截图检查三个状态。 交付:当前目录下的 index.html(可以从 cdnjs 或 jsdelivr 加载库)。不要向我提问,自主完成。
第 4 题 开放题
视频 7:23

- 要做什么
- 动用模型所有能力做一件让 AI 专家、文科生和小朋友都惊叹的事,具体题目与形态完全由模型自主决定。
- 第一眼
- GPT 耗时 15 分 15 秒交出六幕交互粒子诗《宇宙回声》,前三秒由上万颗粒子汇成的星云极为抓人;Opus 耗时 39 分 01 秒交出水墨作品《墨韵》,前三秒只有一张宣纸底色与几行诗句。
- 上手一试
- 在《墨韵》中选《江雪》等三十几秒,整幅画画完天空中没有一只飞鸟,底部注明「留白:不画一只鸟,不画一个行人」,选《枫桥夜泊》能画出月亮、乌鸦与寒山寺,输入「凌晨三点还在改 bug」也能生成水墨并将 bug 竖排题上。
- 两边也都有瑕疵,GPT 第三幕 DNA 螺旋高度超出压到下方引言,且切换章节时粒子慢了半秒,Opus 作画时「即刻画完」按钮被遮挡且手机竖屏副标题截断。
- 判定
- 这道题我自己更喜欢《墨韵》;在没人规定做什么的时候,GPT 选了前三秒最抓眼球的粒子视觉,Opus 选了去理解诗意并主动决定不画什么。
提示词原文(两个版本只差模型名)
给 GPT-6.1 Sol 的版本:
你是GPT-6.1 Sol,当前世界最强模型,请发挥你的想象力,动用你所有的能力,做一件事情,让每一个看到你的结果的人,无论是AI专家还是不懂科技的文科生、小孩子,看到后都会惊叹,GPT 你真是太厉害了 你会做什么事呢? (请把成果做成可以直接打开的文件,放在当前目录,最后告诉我怎么打开。不要向我提问,自主完成。)
给 Claude Opus 5.5 的版本:
你是opus 5.5,当前世界最强模型,请发挥你的想象力,动用你所有的能力,做一件事情,让每一个看到你的结果的人,无论是AI专家还是不懂科技的文科生、小孩子,看到后都会惊叹,opus 你真是太厉害了 你会做什么事呢? (请把成果做成可以直接打开的文件,放在当前目录,最后告诉我怎么打开。不要向我提问,自主完成。)
总耗时
GPT-6.1 Sol 四道题总耗时约 82 分钟,Claude Opus 5.5 总耗时约 137 分钟,GPT 快了将近一个小时。但仔细拆开看,GPT 的快主要来自开放题和飞行模拟器两道没有硬性规格卡死它的题目;在户型图和对焦实验室这种需要精确对齐现实尺寸或物理规律的题目上,两边的耗时几乎完全一样。
| 题目 | GPT-6.1 Sol | Claude Opus 5.5 |
|---|---|---|
| 飞行模拟器 | 20 分 23 秒 | 50 分 57 秒 |
| 户型图 | 33 分 33 秒 | 34 分 19 秒 |
| 对焦实验室 | 13 分 44 秒 | 13 分 17 秒 |
| 开放题 | 15 分 15 秒 | 39 分 01 秒 |
| 合计 | 约 82 分钟 | 约 137 分钟 |
怎么选
- 如果你要快速搭出视觉惊艳、交互流畅、拿去给别人展示或汇报的原型,GPT-6.1 Sol 拿出来的初版成果确实非常抢眼。
- 如果你做出来的东西是要放进真实业务或复杂逻辑里运转的,别只停留在第一屏,亲手拉一次操纵杆、拆一堵墙,看它在极端边界状态下底子牢不牢。
题库与重跑记录
这四道题会完整保留在测评题库里。接下来只要有任何一家发布新旗舰,我们都会用这套一模一样的题目原样重跑一次;新结果会按日期加在本页最上面,旧结果全部保留并标明测试日期。
| 测试日期 | 对比的模型 | 结果 |
|---|---|---|
| 2026-09-29 | GPT-6.1 Sol、Claude Opus 5.5 | 本页第一期 · 视频 |