实验设定：同一个研究项目推进到 R11（中国开源模型链路 mapping）时，将项目文件夹复制三份，用同一提示词分别交给三个模型独立完成同一任务。三家各交付两份文档（结构图 + 研究报告），原件已按模型归类收录在上方标签页中，交互功能（点击数字看口径与来源）全部保留。
效果观察
坦率说，这个任务虽有一定复杂度，但要把这三家模型区分开可能还不够——三家的产出在我的标准里都过了 bar、各有特点，具体大家可以浏览各页有个直观感受。以下是我个人的感觉：
- Fable 5：还是这里面最全面的——它对几种链路拆解的结构图、token 流向的桑基图、以及其中的数字匡算，比较符合我想要的东西。（顺带说，这份报告肯定不能直接拿来用，还得做很多访谈和验证工作；但对于初步建立一个框架、建立大数的概念，是很有帮助的。）可能有一定 bias 在于：我平时做研究一直都用 Claude 的模型，给的一系列 prompt 也更顺手。
- Kimi K3：做的内容是最多的，可以理解为干的活最多；交付的结果除了主图设计得不够好、缺乏毛利/占比估算等问题，其他的已经很不错了。以前我基本上完全不会考虑用 Kimi 的模型来做研究，但这个能力我是明确会考虑的。另外 K3 的文风跟 Claude 极像，也继承了 Claude "不说人话"（过度总结、造一些看不懂的词）的问题——很明显是蒸馏导致的，整体上特别像是 Claude 模型的平替。
- GPT-5.6 Sol：干的活是最少的，耗时也最短，甚至有点研究不足，大概是 OpenAI 调整了模型的风格、不要做过度工作；再主动干预一下，感觉会跟 Fable & K3 看齐，不是啥能力问题。而且恰恰因为风格跟 Claude 很不一样，它设计的框架就很有想法，对我的研究都挺有启发的。
成本：差距在哪（只对比 Fable 5 与 K3）
K3 完成本任务实付 约 ¥800（Moonshot 后台该 Key 计费约 ¥1,000，其中此前另一个任务约 ¥200，已折除）；Fable 5 在 Claude Code 订阅内完成，仅用掉周额度约 10%——按 Max 计划 $200/月、考虑补贴后约 $3,600 的 token 等效价值、Fable 约占一半 credit、本次用 10% 摊算，相当于 约 $45。关键是差距的来源——不在单价，也不在缓存工程（两家缓存命中率分别为 96.9% 和 92%+，都很健康），而在行为本身：
口径：开销金额为实付（K3 现金、Fable 订阅摊算，两者计费基准不同）；调用次数 / 读入上下文 / 耗时为本次会话观测。一句话：K3 不是"每个字更贵"，而是办同一件事走了 4 倍的步数、说了 6 倍的话——每一步都要重读一遍工作现场，费用在输入侧滚雪球。这与公开评测一致：K3 目前只有"最大思考力度"一个档位，跑同一套评测的 token 用量约为行业平均的 2 倍。
GPT-5.6 Sol 未列入成本对比：它选择了轻量的完成方式（约 60 次调用、23 分钟），工作量与另两家不对齐，比价没有意义——这点也呼应上面对它"干活最少、可主动干预拉齐"的判断。
怎么读这份横评
建议先看各家研究报告感受内容与文风差异，再开结构图对比图形工程（图内彩色数字均可点击，展开口径、推算链与来源；手机端点数字会从底部弹出说明，横向宽图可左右滑动，看全貌仍以电脑端为佳）。