AIPOST · 模型實測 2026.07.16
AIPost Field Test — LLM × Landing Page

Fable 5 值得用嗎？三個真實任務後的實測結論

同一份需求、同一套修改指令，讓 Fable 5、Claude Opus、GPT 5.5、Gemini 3.1 Pro 各自做出一個 Three.js 互動 Landing Page。兩輪迭代實測之後，值得使用的選擇，與想像中的排名，相似又不相似。

4 個模型 1 道題目 3 段指令 2 輪迭代 6 個公開站點可自驗
我的首選

Fable 5

★★★★★4.5
65 → 80 +15

第二版「非常驚艷」——玻璃擬態恰到好處、滑鼠跟隨星空、Dashboard 帶微動態。

進步最大

Claude Opus

★★★★★4.0
45 → 70 +25

初版意外墊底，但聽得懂批評、能舉一反三，單輪拉出全場最大進步幅度。

第二輪走鐘

GPT 5.5

★★★★★3.5
60 → 50 −10

初版文案與美感俱佳，第二輪卻不升反降，桌機直接破版。

一輪淘汰

Gemini 3.1 Pro

★★★★★—
— 未晉級

初版 AI 味重到我不太想修改，未進入第二輪。

The Verdict — 我的選用建議
  • 若無 token 成本考量，首選 Fable 5——能夠舉一反三，且美感一次到位。
  • Opus 的自我迭代能力突出，能夠在簡短的指令中，發揮不超過邊界的創意展現，為第二選擇。
  • GPT 5.5 的文案表達力全場最佳，初版設計美感優於 Opus，但第二輪修改品質卻明顯下滑，列為第三選擇。
  • Gemini 初版 AI 味過重、低於願意投入修改的門檻，第一輪即淘汰。
01 — Positioning 工具定位

這次驗的不是跑分，
是一條設計協作鏈。

Fable 5 是 Anthropic 在 2026 年推出的 Claude 5 家族首發模型，官方把它放在 Opus 之上的新級距（Mythos-class），是目前一般用戶能用到的最高階 Claude。它比 Opus 貴、也比 Opus 新——「值不值得為它多付錢」是這篇實測想回答的問題。

對手三位：Claude Opus（Anthropic 前旗艦，同家族對照組）、GPT 5.5（OpenAI 旗艦）、Gemini 3.1 Pro（Google 旗艦）。

測的東西很具體：把一段「一般人寫得出來」的模糊需求丟給模型，看它能不能產出高質感的互動網頁；再看它聽不聽得懂修改——這條「模糊需求 → 成品 → 聽懂批評再進化」的協作鏈，才是設計與行銷工作者每天真實的使用場景。

02 — Method 實測方法

一道題、三個任務、兩輪迭代。

The Brief · 實測題目
題目
一個虛構的 AI 客服 SaaS「ReplyPilot」官網 Landing Page。
必備區塊
Hero、三個功能亮點、定價三方案、FAQ 四題、頁尾；並開放自由發揮，鼓勵自行新增區塊。
風格指定
以 Three.js WebGL 打造互動效果，深色系高科技感，文案使用繁體中文。
參考網站
oryzo.ai、MetaMask、Slush——隨初版指令一併附上。
每個模型收到的需求內容，一字不差
Generate · 初版生成

同一份需求，各自交卷

四個模型收到相同的需求與參考連結，產出第一版。這一輪看的是：拿到模糊需求時，模型自己能把品質撐到哪裡。

Revise · 統一修改

六點方向，全場同卷

文案更像人話、UI 降 AI 味、加互動細節（Hover／Parallax／進場動態）、帶入 Dashboard 產品畫面、整體更有魅力、續用 Three.js——四個模型收到同一份修改單。

Targeted Fix · 個別修改

哪裡最弱，就改哪裡

針對每個模型第一版最弱的一點下指令：Fable 保留對話框、換掉背景；GPT 換掉球體、標題勿用簍空字；Opus 的 Hero 整個重做。

任務一：初版指令全文 
幫我做一個 AI 客服 SaaS 產品「ReplyPilot」的 landing page
網站架構：
Hero 區（主標語＋副標＋CTA 按鈕）
三個功能亮點
定價三方案
FAQ 四題
頁尾（上述為必須，同時可另外自行發揮創意新增所需內容與區塊）
風格：使用 Three.js WebGL，設計出高質感互動網站
高科技感、深色系、專業感又帶點活潑質感
文案用繁體中文
參考互動感風格：
https://oryzo.ai/
https://metamask.io/zh-TW
https://slush.app/
任務二：統一修改指令全文（四模型同卷） 
幫我調整以下：
- 整體網站文案內容，請更貼近人類說話的語氣
- UI 請調整降低 AI 味風格，維持科技感
- 增加維護互動細節，例如：卡片 Hover、Parallax Scrolling、元件進場動態、數字＆Icon 動態等等
- 可以多帶入 Dashboard 產品介面，或是產品局部特徵，進入特色說明區塊
- 網站整體還不夠有魅力或吸引力讓身為企業端的我會想使用，請你發揮調整
- 繼續使用 Three.js WebGL 的方式做整體網站的互動
任務三：個別修改指令（各自一條） 
Fable 5 — Hero Section 右邊的對話匡區塊動態很好請保留，但 Hero 的背景動態覺得不好看請換一個
GPT 5.5 — Hero Section 右邊的球體動態覺得不搭產品主題，請換一個，大標題字體勿用簍空風格
Opus — Hero Section 的設計完全不行，過於凌亂，請換一個

指令為實測當下的原文照錄（含錯字），確保實驗紀錄可信。

評分方式：由我以 Product Designer 的視角，對每個版本打 0–100 的主觀分數，標準只有一個：「身為企業端，我會不會想用這個網站」，最後給出總體星等（滿分 5 星）。生成速度與 token 消耗本輪未納入計分，列為方法限制。

03 — Results 成果

兩輪實測結果

實測筆記 — 我的第一手評語，經編輯潤飾、語意未變 技術側註記 — Claude 讀六個站點原始碼後的補充，僅陳述可驗證事實

Fable 5

Anthropic · 我的評分 4.5 / 5 · 首選
第一版
65
第二版
80
65 分
實測筆記 · 第一次
  • Hero 右側對話框的動態第一眼即令人驚艷；背景雖有動態，但風格與整體違和。
  • 卡片 UI 的光暈與微 3D 質感表現出色。
  • 文案仍有約七成的 AI 感。
  • 主色採保守的漸層色系，同樣帶有淡淡的 AI 味。
網站成品：第一版 ↗
80 分
實測筆記 · 第二次
  • 整體表現令人驚艷，明顯超出預期。
  • 文案自然度進步至 80 分。
  • 自主將玻璃擬態風格運用得更恰到好處。
  • 星空背景會隨滑鼠移動，Hero 的星球設計具巧思。
  • Dashboard 畫面帶有微動態。
網站成品：第二版 ↗
技術側註記 — Claude · 點擊展開
  • 兩版都是單一 HTML 檔（44.9KB → 74.7KB），唯一外部依賴是 three.js CDN——丟上任何靜態空間就能上線。
  • 區塊從 4 個長到 6 個：指令要求的 Dashboard 之外，自己加了「客戶見證」區——「舉一反三」在 DOM 結構上有實據。
  • 玻璃擬態（backdrop-filter）從 5 處增加到 20 處、星空粒子相關程式碼 8 → 24 處、滾動監聽 5 → 10 處：筆記裡說的「用得更恰到好處」，量化起來是用量與分寸一起上去。
  • 個別指令執行精準：v2 整檔重新生成，對話框元素完整保留（還多了 tilt 微互動），背景確實換成滑鼠跟隨的星空＋星球場景。
  • 無障礙沒有因為加料而犧牲：aria 屬性維持 14 處、三處 prefers-reduced-motion 降級，動態全關仍可完整閱讀。
維度V1V2依據
正確性44.5兩版單檔直開、結構乾淨；v2 加量不加亂，aria 與動態降級全數保留
完整性3.55v1 按單交付必備區塊；v2 自主補上見證與 Dashboard 深度區塊，文案完成度大幅上升
可執行性44.5單檔＋單一 CDN 依賴，即放即上線；RWD media query 7 → 9 組
速度未計時本輪未計時，不評分；體感上與其他模型的產出時間無明顯差距
修改成本低一輪統一修改＋一條個別指令即 +15 分；以整檔重生成而非補丁，指定保留的元素零失誤

五維度為 Claude 依程式碼與成品的技術側評分（滿分 5），與我的星等分開計，供交叉參考。

Claude Opus

Anthropic · 我的評分 4 / 5 · 第二選擇
第一版
45
第二版
70
45 分
實測筆記 · 第一次
  • 三個模型的初版中，Opus 意外表現最差——UI 與文案皆然。
  • Hero 設計不合格：文字與動態重疊，視覺過於凌亂。
  • 文案仍有約七成的 AI 感。
  • 整體設計保守，用色與動態幾乎沒有記憶點。
網站成品：第一版 ↗
70 分
實測筆記 · 第二次
  • 表現顯著回升，且能舉一反三。
  • 文案自然度進步至 80 分。
  • 聽得懂指示並發揮創意，自行新增產品特色區塊。
  • 因初版風格不佳，自行改走另一種更合適的 UI 風格。
網站成品：第二版 ↗
技術側註記 — Claude · 點擊展開
  • 「幾乎無特色」在程式碼層完全對得上：v1 整份檔案 0 個 @keyframes——連一支 CSS 動畫都沒有，所有動態壓在 three.js 場景上；media query 只有 3 組、aria 僅 4 處。
  • 同樣是單檔交付（41KB），以 importmap 載入 three.js，工程寫法其實比 Fable 更講究——輸的不是工程，是設計判斷。
  • +25 分是全場最大單輪進步，而且在程式碼上看得到力道：檔案 41KB → 81.2KB 幾乎翻倍，CSS 動畫從 0 支補到 4 支、hover 態 11 → 20 處，並新增 Dashboard 區塊與「上線第一個月」成效區——收到「完全不行、重做」等級的負評後整組換方向而不是小修，跟最終「第二選擇」的結論一致。
  • 文案同步轉向場景敘事：「顧客來訊的每一刻，總算有人立刻接住」「先免費試，覺得好用再付錢」。有趣的是 v2 標題「不是又一個罐頭機器人」與 Fable v2 幾乎一字不差——兄弟模型在同一句修改指令下口吻收斂。
  • 沒跟上的部分：aria 屬性維持 4 處未增加，無障礙仍是它與 Fable（14 處）最明顯的差距。
維度V1V2依據
正確性34v1 文字與動態重疊、視覺凌亂；v2 重構後結構乾淨、單檔直開
完整性34.5v1 按單交付必備區塊、無亮點；v2 自增 Dashboard 與「上線第一個月」成效區，文案整組重寫
可執行性44單檔＋importmap 載入 three.js，即放即上線；media query 僅 3 → 4 組，RWD 覆蓋較薄
速度未計時本輪未計時，不評分；體感上與其他模型的產出時間無明顯差距
修改成本低一輪負評後整組換方向即 +25 分（全場最大進步）；同為整檔重生成而非補丁

五維度為 Claude 依程式碼與成品的技術側評分（滿分 5），與我的星等分開計，供交叉參考。

GPT 5.5

OpenAI · 我的評分 3.5 / 5 · 第三選擇
第一版
60
第二版
50
60 分
實測筆記 · 第一次
  • 初版文案表現勝過 Fable 與 Opus。
  • 初版 UI 美感表現力優於 Opus。
  • 元件與卡片的微互動遜於 Fable 與 Opus。
網站成品：第一版 ↗
50 分
實測筆記 · 第二次
  • 第二輪表現意外不佳，輸出品質明顯退步。
  • 缺乏延伸發揮創意的能力。
  • 桌機版面直接破版。
網站成品：第二版 ↗
技術側註記 — Claude · 點擊展開
  • 交付形態與 Claude 系完全不同：v1 是 Vite + React 編譯後的 SPA，主 bundle 736KB（three.js 打包在內），另掛 Google Fonts。工程架構最重，也最不像「一頁交付」。
  • v1 文案好是真的好——連 meta description 都寫出「讓 AI 接住每一次對話，把客服變成成長引擎」這種等級的句子。
  • v2 的真相在原始碼裡：它不是重新生成的網站。v2 是一個不到 1KB 的殼，跨站引用 v1 的編譯 bundle，再疊上 enhance.css / enhance.js 兩支補丁——用 setInterval 每 30ms 輪詢等 React 掛載完成，然後直接對渲染出來的 DOM 動手術：刪節點、改寫標題、塞入一整段 Dashboard。
  • 在編譯產物上疊補丁，跟框架的渲染機制天生互相打架——筆記中的桌機破版與「降智感」，在架構層有一個合理解釋：第二輪它改的不是自己的原始碼，而是第一輪的編譯屍體。
  • 附註：交付形態可能受工具鏈輸出方式影響，不純粹是模型能力；但「選擇疊補丁而非重建」本身，就是修改成本最真實的樣貌。
維度V1V2依據
正確性42v1 正常開啟、無破版；v2 桌機版面直接破版
完整性42.5v1 區塊齊全、文案全場最佳，微互動較弱；v2 無延伸發揮，品質明顯退步
可執行性32v1 為 React 編譯專案（736KB bundle＋外部字型），部署最重；v2 跨站引用 v1 資產，v1 一下線 v2 即失效
速度未計時本輪未計時，不評分；體感上與其他模型的產出時間無明顯差距
修改成本高以補丁疊在編譯產物上而非重新生成，一輪 −10 分且產生破版

五維度為 Claude 依程式碼與成品的技術側評分（滿分 5），與我的星等分開計，供交叉參考。

Gemini 3.1 Pro

Google · 未評分 · 一輪淘汰
未評分
實測筆記 · 第一次
  • 曾以第一版指令嘗試生成設計。
  • 成品 AI 味過重，低到不想投入修改的程度。
  • 第一輪即優先淘汰。
未部署留存
技術側註記 — Claude · 點擊展開
  • 初版未部署留存，無原始碼可考，本節不做技術分析。
  • 公平起見需註明：淘汰判定僅基於單次生成的第一印象，Gemini 未獲得第二輪修改的機會——這在「限制」一節有完整說明。
04 — Score Matrix 五維度總評

四模型五維度總結

維度Fable 5Claude OpusGPT 5.5Gemini 3.1 Pro
正確性高——兩版直開零破版中高——v1 文字與動態重疊v1 高、v2 低——桌機破版未完測
完整性高——自主加區塊、文案補到位中——v1 按單交付、無亮點；v2 自增特色v1 高（文案最佳）、v2 低低——AI 味過重
可執行性高——單檔即上線高——單檔即上線中——需 build pipeline，部署最重—
速度本輪未計時、不評分——體感上三者產出時間相近，無明顯差距；精確數據留待下一輪
修改成本低——整檔重生成、一輪到位（+15）低——聽懂重做、進步最大（+25）高——補丁式修改、越改越壞（−10）未修改

定性整理由 Claude 依實測筆記＋原始碼分析彙整；最終名次以我的星等為準（4.5 / 4 / 3.5 / 淘汰）。

05 — Limits 成果與限制

這份實測能說明什麼、
不能說明什麼。

  1. 01
    單一題型只測了「深色高互動 SaaS Landing Page」。結論不能外推到長文寫作、程式重構、資料分析等其他任務。
  2. 02
    單次取樣每個模型每輪只生成一次，沒有重抽取平均。模型輸出有隨機性，分數存在波動空間。
  3. 03
    速度未計時五維度中的「速度」本輪未實際計時，僅有體感觀察：三者的產出時間相近、無明顯差距。精確數據留待下一輪補測。
  4. 04
    單一視角分數是我以產品設計視角做出的主觀判斷。所有留存站點連結公開，歡迎讀者自行點開驗證。
  5. 05
    個別修改指令不同任務三是針對各自最弱的一點下指令，每家收到的內容不同；跨模型公平性以任務二的統一修改為準。
06 — Who It's For 適合對象

合適的模型選擇

首選 · Fable 5

要美感一次到位的人

你希望模型不只交作業，還會自己補上你沒想到的區塊（見證區、Dashboard 微動態）；你在乎質感、且 token 成本不是主要考量。我的一句話結論：能夠舉一反三，且美感到位。

次選 · Claude Opus

打算來回迭代磨作品的人

第一版可能平庸甚至難看，但它聽得懂重話、能整組換方向，單輪進步幅度全場最大（+25）。預算相對敏感、願意花兩三輪對話換品質的人選它。

情境用 · GPT 5.5

要快速看方向與文案手感的人

初版文案自然度全場最佳、美感勝過 Opus 初版——拿它快速產出第一版確認方向很好用。但避免請它在既有成品上深度改版：本次第二輪不升反降。

本輪不推 · Gemini 3.1 Pro

這類題型先跳過

在「深色高互動 SaaS 頁」這個題型上，初版 AI 味重到我不想給第二輪。其他任務類型的表現，本次實測無法代言。

07 — Playbook 使用建議

不管你選哪個模型，
這三招都帶得走。

Reference · 給參考

給參考網站，別只給形容詞

「高科技感」每個模型解讀都不同；附上 oryzo、MetaMask、Slush 三個連結，等於直接把美感地板拉高。

Two-Step · 兩段式修改

修改用兩段式：統一方向＋個別點名

先給六點大方向，再針對最痛的一點單獨下指令。Fable 與 Opus 都吃這套，一輪各進步 15 與 25 分。

Freedom · 留發揮空間

把「可以自行發揮」寫進指令

Fable 的見證區、Opus 的自創風格，都是「可另外自行發揮創意」這句話換來的。不給空間，就只會拿到剛好及格的交付。

08 — Next Round 下一輪，我會這樣測

這一輪的限制，
就是下一輪的題目。

  1. 01
    盲測雙評審加一位非設計背景的企業端視角，成品隱去模型名稱後打分——「單一視角」升級成雙視角盲測。
  2. 02
    同方法換題型重跑用同一套三段指令換一個題目（例如 SaaS Dashboard、活動報名頁），驗證「Fable 首選」是通則、還是題型限定。
  3. 03
    Gemini 完整兩輪復活賽這一輪它止步於初版印象分；下一輪給滿兩輪修改機會，把公平性補齊。
09 — Conclusion 結語

所以，Fable 5 值得用嗎？
我覺得值得。

回頭看這一輪，Fable 5 的初版其實不是全場最亮眼的——65 分，文案還輸給 GPT 5.5。真正拉開差距的是第二輪：它是唯一一個把修改指令聽好聽滿、還會自己補上我沒想到的東西的模型。客戶見證區不是我要求的、Dashboard 的微動態也不是，但它們都出現在成品裡，而且用得恰到好處。

同一份修改指令，GPT 5.5 不升反降、直接破版；Opus 要吃到「完全不行、重做」等級的重話才翻身。只有 Fable 5 精準做到「保留我說好的、換掉我說不好的」——對一個要跟 AI 來回協作的設計工作者來說，這種「聽得懂、還想得比你多一步」的特質，就是生產力本身。

當然有前提：token 成本不是你的主要考量。如果預算敏感，自我迭代能力優秀的 Opus 是很好的第二選擇。但回到文章開頭的那個問題——值不值得為它多付錢？以這次的任務來說，我的答案是：值得。

10 — Sources 來源連結

所有模型產出的 Landing Page 成品

網站成品

風格參考（隨初版指令附給所有模型）

官方資料