一句话看懂：开发者 Swyx 用同一句提示词分别让 GPT Luna Max 和 Claude Fable Ultracode 搭建 Grok Imagine 的克隆应用，结果两个模型给出了风格迥异的实现——Claude 系在视觉还原度上胜出，GPT 系则更准确地理解了“用开放模型+fal 跑通”的深层意图，做出更可用的成品。
事件核心：发生了什么
8月11日，开发者 Swyx 在 X 上发布了一组对比测试。他发送的提示词是：“请用 fal 上的开放模型，构建一个尽可能忠实还原 Grok Imagine 的克隆”。第二天醒来，他看到了两个候选结果：左边来自 Claude Fable Ultracode，右边来自 GPT Luna Max。最初他猜反了左右归属，但对比后得出明确结论：Fable 在视觉克隆上更到位——界面更像原版、布局还原度更高；但 Luna 对“开放模型”这一约束的理解更准确，生成的产品真正可运行、可操作，而不是停留在“看起来像”的层面。
评论区中，用户 javi 指出了更细的差异：Luna 版本的界面缺少提示词输入框，图像上传功能存疑；而 Fable 版本虽然渐变配色和图片质量一般，但提示词区域和整体信息架构做得更好。另一位用户 Mateusz 则询问了这次的 token 成本和美元花费，并顺带提到被忽视的 Terra 模型其实表现也不错。该帖目前有约 9.8K 次浏览。
为什么重要
这不是一次简单的“哪个 AI 更强”的擂台赛，而是暴露了大模型在实际应用搭建任务中的关键分化：视觉还原能力与产品可用性正在成为两条独立的评估轴。Claude 系的优势在于前端视觉结构的理解，能做出更像原版的界面；GPT 系则在意图解析上更深入，能理解“用开放模型”这个约束条件并据此选择技术路径。
对于把 AI 用于产品原型的开发者来说，这意味着模型选择必须基于任务目标：要一个高保真演示稿，还是一个能接 API、真正上线的雏形？两者正在出现明显的分工趋势。
对用户/开发者/创作者的影响
如果你是用自然语言描述需求、让 AI 直接生成可用产品的开发者，这个案例提示了三点：第一，提示词中明确技术约束（比如“用 fal”“用开源模型”）会直接影响模型选择实现路径，值得花精力写清楚；第二，不同模型对同一需求的理解偏差比想象中大，不能只看截图效果，要上手点一点按钮、试一下流程；第三，开放模型生态的可玩性正在上升，fal 这样的推理平台让“克隆一个 Grok Imagine”从概念变成几小时内的现实，成本也低到个人开发者可以反复试错的程度——正如评论区所问的，这一整套流程的费用可能就是几美元级别。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，Swyx 尚未公布这次测试的详细成本数据以及两个版本的具体实现方式。后续值得关注三点：一是 GPT Luna Max 和 Claude Fable Ultracode 的正式发布节奏与 API 定价，这类对比测试会成为首批真实参考；二是 fal 是否会围绕“应用克隆”场景做更多模板化产品，降低这一类开发的门槛；三是开源模型在意图理解方面的短板是否会被弥补——因为这次案例表明，视觉上最像的版本，未必是最好用的版本。
