每个新旗舰模型发布，都会附一张满是编程跑分的图，但这些分数测的多是修 bug、在终端里干活。如果您更常做的是“从一句提示词起一个小项目”，跑分就没那么对口了。有位网友干脆让三个模型做同一台网页鼓机，结论是：外观最好看的，不是声音最好听的。
选鼓机做测试有个原因：它既要有视觉和交互，音频还得稳。有意思的是，Gemini、Fable 和 GPT-Astra 其实都听不到声音，它们只是写出 Web Audio API 代码，让浏览器在本地合成并播放。需求是：外观像硬件，6 种鼓声，16 步网格，带速度和摇摆控制，每个声音都要从零合成。三个模型都用高强度（High effort）模式。
| Gemini 4 Argon | Fable 5.1 | GPT-6 Astra | |
|---|---|---|---|
| 外观 | 最有个性，木边加红色 LED | 最细致，旋钮加绿色 LCD | 最克制，深灰加橙色点缀 |
| 功能 | 6 音色，有预设 | 8 个轨道，有哑音切断 | 严格 6 个音色 |
| 声音 | 稳定但偏薄，镲偏刺 | 干净利落但偏冷 | 最好，低频扎实、整体融合 |
| 耗时 | — | 仅规划就约 5 分钟，最慢 | 约 1 分钟 |
Gemini 4 Argon：最会演“硬件”
Argon 是 Google 在 9 月 30 日发布的，跑分很亮眼，但彭博社报道称，一些有权限的 Google 员工觉得它在某些编程任务（包括前端设计）上表现吃力，其中两人觉得它像是为刷分调出来的。Google 否认其编程能力不足。而这个测试的主体恰恰是前端设计，所以只能看实际结果。
结果是三者里最有个性的。它给自己起名 TR-86 Rhythm Composer，几乎照搬 Roland 的命名，面板两侧是木纹，速度显示是红色 LED。步进格按每四格分块上色，一眼就能看出每拍从哪里开始，预设还用“909 house”“boom bap”这类曲风命名，说明它懂这类机器的文化。
它用滑块而不是旋钮，没那么“正宗”，但屏幕上操作旋钮本来就别扭，滑块反而好用。缺点是调整窗口大小时布局有 bug，要回头修代码。声音稳定，但偏薄：底鼓低频不足，镲片偏亮、有点刺，更像经典鼓机的粗糙模仿，不适合拿来给剪辑当伴奏。
Fable 5.1：把它当工程活来做
Fable 5.1 是 Anthropic 当前最强的公开模型，9 月 1 日发布，属于 Anthropic 所说的 Mythos 级别（与仅限邀请的 Claude Mythos 5.1 共用权重），仍需用额外使用额度付费，不含在 Pro 套餐里。评价普遍认为它擅长多步骤和调用工具，这在鼓机项目里体现得很明显。
典型的 Claude 做法：先列任务清单，把文件直接写进电脑上的文件夹，再在自带的浏览器面板里打开，检查有没有控制台报错。光规划就花了 5 分钟，是三者里最慢的，但也最周到。
它还超出了需求：轨道从 6 个加到 8 个，多了低音通鼓和边击鼓；闭镲会像真正的 909 那样切断开镲的尾音（这叫“choke”），说明它理解这类机器的实际演奏方式。旋钮是正宗的，好看，但同样难操作，所以要扣分。还有绿色 LCD 显示播放位置，节拍走在独立的后台时钟上，即使浏览器把后台标签降速，您在别的应用里工作时节奏也不会乱。
它也坦率说明自己听不到声音，只能靠参数调音色，小编觉得这点值得肯定。声音确实干净紧凑，但略显机械，打击很尖，缺少厚度。
GPT-6 Astra：设计简单，耳朵却最买账
Astra 是 OpenAI 目前的旗舰，9 月 3 日发布，OpenAI 总裁还表示公司已进入通用人工智能时代。API 价格是上一代旗舰的 2.5 倍。评价不一：有人夸它在游戏和视觉类任务上强，也有人觉得写作偏弱。这位网友用 ChatGPT 的 Work 模式做了这个项目，它工作了约一分钟，交出一整块代码和一个内置预览按钮，能立刻上手玩。
设计是三者里最克制的：深灰面板加一个橙色重点色，全部用滑块。步进格没有按颜色分组，对鼓机来说是个减分项，因为它的意义就在于方便看拍子位置。但整体间距和排版最好，没有拥挤感。它严格只做了 6 种音色，纸面上最“没野心”。
但声音最好：底鼓有扎实的低频冲击，尾部平滑衰减；合成鼓常见的“小鼓发假”问题，这里的军鼓噪声下面有厚度；镲片声音柔和不刺耳；整套鼓组像一个调好的混音，而另外两个就显得有点平、有点散。把所有行同时打开，也没有爆音（虽然这么放肯定难听，但至少没到无法忍受）。可能是每次打击的淡出更平滑，也可能是默认音量更合理，或两者都有。
小编怎么选
Fable 做的乐器在纸面上更完整，外观也最好看，这位网友打算保留它的设计，前提是把难用的旋钮改掉。但声音上 Astra 更好，对 Web Audio API 的运用也更到位。最理想的做法是把 Astra 的音频引擎换进 Fable 的外壳；Argon 则落后一截，跑分上的争议在这里有所体现，不过它懂鼓机的“氛围”，这一点值得肯定。
想看同类对比，可以读 Gemini 4 Argon 对比 Claude Code 改同一个 Kindle 项目，以及 Claude Code、Codex、Antigravity 同做 Chrome 扩展 的实测。Web Audio API 的原理可以参考 MDN 的 Web Audio API 文档。
常见问题（FAQ）
AI 模型能“听”到自己做出来的声音吗？
不能。它们只是写出 Web Audio API 的代码，让浏览器合成声音，调音色靠参数和经验，最终好不好听要靠您自己的耳朵判断。
为什么要用鼓机来测试模型？
因为它同时考察外观、交互和音频的稳定性，比单纯的修 bug 跑分更接近“从提示词起一个项目”的真实用法。
三者里哪个最适合拿来做完整项目？
想要功能完整、细节周到，选 Fable 5.1；想要声音好听、速度快，选 GPT-6 Astra。Argon 在这次测试里表现落后。
Fable 5.1 包含在 Claude Pro 套餐里吗？
不包含，仍需用额外的使用额度付费。