每当新款旗舰模型发布，详尽的编码基准测试图表便随之而来。然而，这些聚焦于修复错误或执行终端任务的指标，往往与实际应用场景脱节。许多用户更倾向于通过提示词从零启动项目，而非处理既有代码库。笔者正是后者，试图在不编写代码的前提下，构建一款小型实用工具。
笔者选择自制一台小型鼓机作为测试项目。这不仅源于对声音工程的兴趣，更因为该项目兼具视觉交互与严格的音频同步要求，是检验模型能力的绝佳场景。值得注意的是，Gemini、Fable和GPT-Astra均无法直接“听”到音频，它们仅通过编写代码调用Web Audio API，指示浏览器在本地合成并播放声音。需求简报规定：设备需具备六个鼓音源、16步网格、常规速度及摇摆控制，且所有音色必须从头合成。测试中，所有模型均启用高努力模式。
Gemini 4 Argon：深谙硬件美学，音质略显单薄
谷歌于9月30日发布的Argon模型，虽基准测试成绩强劲，但此前有消息称其在部分前端设计任务上表现挣扎，被指更擅长应试而非解决实际问题。谷歌对此予以否认，但本次测试结果似乎印证了外界的疑虑。
Argon展现出鲜明的个性。它将作品命名为“TR-86 Rhythm Composer”，致敬罗兰（Roland）经典机型，并采用木质侧板、红色LED显示屏及分组着色的步进块，直观呈现节拍位置。预设名称如“909 House”和“Boom Bap”，显示其对鼓机文化的深刻理解。此外，它选用滑块替代旋钮，提升了屏幕操作的易用性，但在调整屏幕尺寸时出现了布局错误。
音质方面，Argon表现稳定但略显单薄。底鼓低频不足，高音镲片明亮却带有嘶嘶声，整体听感更像是对经典鼓机的粗略模仿，难以满足实际编辑需求。
Fable 5.1：工程师思维的极致体现
Anthropic于9月1日发布的Fable 5.1，属于其最高阶的Mythos级别。评测指出，该模型在多步骤处理和工具使用上表现卓越。在项目中，它以精准的Claude风格列出任务清单，直接将文件写入本地文件夹，并在浏览器窗格中检查控制台错误。尽管规划阶段耗时五分钟，远超其他模型，但其考量更为周全。
Fable超越了简报要求，将音源从六个增至八个，增加了低通鼓和边击。特别值得一提的是，它实现了闭镲截断开镲尾音的“消音”（Choke）功能，显示出对乐器演奏逻辑的深入理解。控件采用逼真的旋钮，配合追踪播放头的绿色LCD屏幕，视觉效果出色。此外，它利用独立后台时钟运行计时，确保在非活动标签页下节拍依然稳定。
Fable坦诚无法监听声音，仅凭参数调整音色。其生成的音色干净紧凑，但略显冷静和缺乏共鸣，击打声尖锐，听感偏向“临床化”。
GPT-6 Astra：简约设计下的音质王者
OpenAI于9月3日发布的旗舰模型Astra，标志着公司进入通用人工智能时代。其API成本为上一代旗舰的2.5倍，评测意见两极分化。笔者使用ChatGPT Work模式进行测试，模型在约一分钟后返回包含内置预览按钮的代码块，支持即时互动。
Astra的设计最为克制：深灰色面板搭配橙色点缀，全滑块控件。虽然缺乏节拍颜色编码这一鼓机常见功能，但其布局间距最佳，无杂乱感。它严格限定为六种音色，看似野心最小。
然而，Astra的音质表现最佳。底鼓低频扎实平滑，军鼓在噪音之下仍具实体感，高音镲片柔和不刺耳。整套音色融合度极高，即便同时开启所有行节拍，也未出现削波失真。相比之下，其他两款模型的音色显得扁平且不连贯。Astra在衰减处理和默认电平设置上显然更为合理。
结论：融合之道
若仅看纸面参数和视觉效果，Fable构建了更好的乐器，只要解决旋钮操作问题，其设计值得保留。但Astra无疑提供了更优质的音质，最大化利用了Web Audio API的潜力。笔者最终倾向于将Astra的音频引擎移植至Fable的设计中。至于Argon，尽管其对氛围的理解值得认可，但整体表现落后，符合其目前的市场声誉。