不是，A社你不讲武德啊，
前天熬夜等Opus5不更新，还想着应该下周了，突然上线直接给我干懵了，准备了很多测试我特别想要复现的就是Opus5刚开始被爆料出来的3D game，因为如果真是这种程度的话，我就可以直接丢掉幻觉贼大的Opus4.8了。
OK，照例是先来看看分数，
这不对吧不对吧，Fable5不是应该横扫一切吗，你Opus5除了四个项（多学科推理， Agent 编程，法律和健康）怎么都给了Fable5一个大逼兜啊。
只能说订阅里的一半额度有去处了，不需要Fable5用完就只能GPT5.6了。就算没有账号用API也能烧得动了，输入5刀/每百万Token，输出25刀/每百万Token ，价格跟Opus 4.8一样。还有快速模式，速度加2.5倍，价格X2。
100万上下文，知识更新到了26年的5月份，属于是新鲜出炉了。
在max effort下，距离Fable 5的最高分只有0.5%。而且在high，xhigh，max这几个档位上，它的性能成本比都压过了其他模型。
还有一个最刺眼的评分，ARC-AGI-3分数居然是GPT 5.6的3倍以上，这个测试主要测的就是模型进入完全陌生的环境后，能不能通过试错迅速搞懂规则并完成目标。
具体点说就是，把模型扔进一个从没见过的二维小游戏，只告诉它有哪些按钮，不告诉玩法，规则和胜利条件。模型需要自己建立规则模型，把前几关学到的规律用于后面的关卡。
所以现在我的执行路线从Fable5出计划，GPT5.6 sol做长时间执行，Sonnet5做短时间一次性任务执行，幻觉大的Opus4.8路边一条，变成了Fable5出计划，GPT5.6和Opus5并行执行，最后Fable5再整合就行，实测这个积分还是能撑得住，因为很多执行环节现在都可以直接转到Opus5做了。
刚刚还学到了一手，用网页版上的GPT-5.6 Sol Pro来做大型代码Review，又省一个额度。
Opus 5这次在X上测试最多的就是做这类3D场景的画面游戏。只能说同样提示语下GPT 5.6做出来了完全一坨。
来都来了，我也做了一把3D游戏，Opus 5带关卡的设置和对应的NPC的智能设置置非常大而全，不像之前我们只能跟静物去互动。我做出来的这个逃生游戏，里面的机器人能够随机扫射你的位置，压迫感非常强。大家可以去看看我试玩的那一段，我自从被机器人发现的那一瞬间，就只活了5秒，就被电没了。
最后还是我打了十年游戏的同学给我打到第二关的，我这个出游戏的居然连第一关都打不过。
隔壁的GPT 5.6 Sol做出来的让我没啥试玩的冲动啊，机器人就跟个木头一样，我一个秦王绕柱就绕开了。
最后来测试一下写作能力，
我的大Opus4.6会不会拉了，
直接输出故事，不要解释创作思路先看看理工直男GPT 5.6 Sol，
文章一出我直接万人沉默，果然理工的脑子就不能让他写文章做人事。。。
再看看下Opus 5，
和Opus4.6的，
我觉得这个千人千味啊，反正我们投票了好几轮。我是觉得Opus 4.6还是版本之子，但是已经开始有朋友觉得Opus 5 在这一篇文章的表达里面，更能把整个故事环境更拧成一条线。
简单来说，就是Opus 5写出来的故事更完整，但是 4.6 很会制造整体的悬疑。
所以大家觉得哪一个模型现在写作更好呢？
我还是会投Opus 4.6的。
最后的最后，这次A社还把Claude Code上80%的系统提示语去了，结合之前GPT 5.6 Sol出来了SuperPower这个辅助思考的Skill就可以直接删了，其实可以看到随着模型能力的上来，我们不太需要那么多的条条框框来规定模型的发挥了。
我去看了一下，被删掉的主要是过量示例，硬性的不要做什么，重复约束，以及模型已经能够自行判断的内容。
隔壁OpenAI之前测试GPT-5.6 Model Guidance 也给过了对照数据，在一组内部coding-agent评测中，更简单的System Prompt反而让评分提高约10–15%，Token减少 41–66%，成本降低 33–67%
留下来的Skills越多，模型反而会越懵逼，强行兼容冲突，所以我一开始用GPT 5.6甚至会出现一个简单的问题想了一个小时的情况。
A社推荐我们用/doctor来给Claude Code做个大瘦身，能找出来长期未使用但仍有上下文成本的Skill、MCP和插件。我也把我之前给Codex做skill瘦身的提示语改造了一下，因为直接删掉可能有些触发词用习惯了还要重新安装，
发布、回滚、安全、隐私等低频关键 Skill 单独加RARE_CRITICAL 标签，不得仅因使用次数低而归档或删除。这样的话不会影响日常工作流的同时还会提升模型的效果，
所以这次最让我开心的，
不是Opus 5又拿了几个第一。
是它开始把Fable 5那种贵到有点不想睡觉天天都要打满5小时的能力，
往日常默认模型的上拉。
以前会觉得，Fable 5当然很强，
但额度和价格摆在这，除非任务真的很重要，不然根本舍不得开。
我还专门做了一个路由，就是Fable5是全程只需要动脑子不动手的，
这样我一周API价格才能控制在3000内
现在Opus 5摆在这里，
性能已经挤进了同一张桌子，
价格却直接砍了一大截。
我们的白月光回来了，
这次好像还没那么贵了。
@ 作者 / 卡尔 & yc星辰
最后，感谢你看到这里如果喜欢这篇文章，不妨顺手给我们点赞｜在看｜转发｜评论
如果想要第一时间收到推送，不妨给我个星标
如果你有更有趣的玩法，欢迎在评论区聊聊
更多的内容正在不断填坑中……