一、全文速览图
好久不见，先聊聊最近的一些状态。
这两个月推掉了大部分事务，全力投入打磨一个新项目——Chat Memo 的 Agent 端（目前小规模内测中）。整个过程从零到一搭建了Agent框架和数据模型的后端，同时也完成了跨多页面、弹窗的前端设计。
有意思的是，所有代码和设计都由AI完成，人只负责提出想法和审核把关。这相当于把几款主流模型拉到真实生产环境中跑了个遍。刚好近期Agent模型密集迭代，在此对比一下实际体感和选用策略，包括Claude Fable 5、GPT 5.6、DS V4，以及刚发布的Kimi K3、Qwen3.8-Max。
来看看和你的使用感受是否一致？
二、Claude 系
如果你想用纯Vibe开发完成度高、甚至超越自己判断水平的Agent产品，Fable 5的表现确实让人眼前一亮。
1）Fable 5：前后端都非常值得信赖
和普通模型不同，Fable不容易被用户的提示词牵着走。很多时候，即使你给了它一个Prompt，它依然会保持独立思考，给出意料之外但论证严密的回应。而且不会钻牛角尖，回应风格也很容易让人理解它的想法和逻辑。
实际使用中，突出优势如下：
- 极其擅长围绕用户画像，设计统一且恰到好处的前端交互（可以试试总结项目的目标用户画像，让它站在用户视角给出前端交互方案，会有惊喜）
- 擅长按照第一性原理，给出干净、易维护迭代的后端架构建议（不像5.6容易被现有代码困住，过度打补丁）
- 1M上下文空间，上下文腐烂的情况控制得很好，用久了依然很听话。只有需要换大方向时，才需要Compact清理上下文，以获得更好的重新思考表现
- 结合CC内置的/code-review命令审查代码，效果非常出色（但很耗token）
不少朋友都觉得，Fable已经有“项目合伙人”的架势了。
2）Opus 4.8 > Sonnet 5
Sonnet 5接到指令就开干，思考深度总感觉不够，实际不太爱用。日常使用不如Opus 4.8均衡。但Opus 4.8用久了，现在也没什么惊喜，毕竟GPT和国内模型也都赶上来了。
所以在Claude这边，基本就是高难度新任务给Fable，已有模块下的修补调整给Opus。
三、GPT 5.6 Sol
核心评价：5.6 Sol 是近期新宠，Plan额度耐用，是Coding任务的执行型能手。
1）印象最深的是指令遵循能力
社区普遍发现，5.6 Sol对Skill的遵循超出寻常的稳定。只要是安装了的Skill，基本都能触发。而且上下文跑久了，依旧会积极触发你的Skill（堪称最积极的Skill驱动器）。
2）再者，最近GPT借着重置大法，成了便宜大碗的代名词
Pro周额度给得很多，大概一周10亿token；加上最近4天3次重置的强度，真是太实惠了。完全足够每天3亿+ token的中高强度消耗。
BTW：到5.6这一代，GPT以前喜欢动不动“拉超长列表”、“给你多个选项接住你”的回答风格，终于大幅改善了。
3）但5.6 Sol也有另一面
就是过于听话，太遵循Prompt和现有代码架构。GPT容易陷入你最初的提示方向、已有的代码架构里，一直钻牛角尖，不太能给出让人茅塞顿开的启发。
所以用GPT 5.6时，得注意提示方法：以任务的背景和目标为主进行描述，尽量减少不必要的、自己观点的引导。避免它陪你一起跳入同一个坑，还顺便把你埋了。
另外，5.6 Sol前端交互设计水平平平无奇，做做普通前端、PPT没问题。
比较舒服的GPT档位使用习惯：
- 常规开发任务：5.6 Sol的中推理档位
- 复杂开发任务：5.6 Sol的极高推理档位。在纯Vibe情况下，也基本满足Agent开发过程中既定路线的各类前后端复杂任务
不过，真遇到想不明白的问题，可能还是得找Fable才能逃出牛角尖。
四、Deepseek V4 系列
V4由于突出的性价比，以至于大家都忽略了它的能力，值得好好提一下。
主要使用场景是放在自己的Chat Memo内，作为日常Agent对话模型。Flash和Pro两个版本轮着用。
对比下来，Pro相较于Flash更多在于推理深度、思考主动性的提升，结果更容易有惊喜。但总体而言，两者都足以承担对话、tool use、sub-agent调度与执行的To C场景任务。
再加上DS对Prompt Cache的“小时~天”级别的缓存，是它比其他模型省成本的核心。在实际Agent产品里，建议考虑测试Deepseek V4作为产品内置的默认模型，在保证任务质量的同时降低token成本。
五、Kimi K3
模型能力提升很大，前端的视觉上限超出了想象。就是thinking有点长，也有点贵。
Coding自用的不多，但社区对它的前端能力基本清一色好评。尤其自主绘制3D网页模型，能看到很多非常精细的Demo效果。
本着再不买估摸着该限售了的心理，也整了个199档位的年费（今天果然限售了）。
用K3在Chat Memo的Agent主模型上也试了几天，单一长对话下的多话题跳跃式聊天和调用工具增强回答质量的主动性，都表现得很不错。而且思考深度足够，对复杂意图的理解也在线。在同一Context窗口下，换了话题聊了很久，还一直记得提醒一开始该做的事。
⬆️ 体感在深度推理与长上下文的表现都有明显提升。
但K3过深的思考也有一个实际问题：每轮token消耗量不小。
按实际消耗结构反推，199会员的周额度大约能处理0.8亿K3 Token。只能精打细算，留到刀刃再用。
六、Qwen3.8-Max
这周才发布，目前只是简单测试了一下，还没太多实际项目结论。
光从独立Demo测试结果来说：
- 相较Qwen3.7-Max，确实有了大的进步，体感是更适合干复杂项目了（训练参数也到了2.4T）
- 长上下文的遵循性、规划推理、任务执行深度能力，有较为明显进步
- 更适应goal场景了，实测在CC中，能从一句话开展独立执行长程任务，直到触发Claude Code单次积累请求体上限（记得应该是耗尽了1M上下文）
- 复杂3D前端的视觉上限没有楼上那位突出
另外，这次随模型发布，阿里云的个人版Token Plan回归了。Qwen3.8-Max在Qoder里，目前白天1折，晚上0.2折。
七、写在最后
新的一轮模型换代终于开始了。
国产模型开始逐步达到2T以上的超大参数量，在长程Agentic场景中，来到了足以深度规划任务、独立推理并完成复杂Coding任务的新阶段。
总结近期新Agent模型的选用建议：
- Fable 5：高难度新项目、新功能规划开发时使用，往往给出超出你水平的方案（前提是能正常用到A社的模型）
- GPT 5.6 Sol：日常复杂全栈项目开发，但需要注意提示方法，避免在牛角尖里过度思考
- Deepseek V4 预览版：Coding不优先，但在To C Agent产品中，是非常优秀的平衡选择
- Kimi K3：擅长高视觉效果前端任务，Agent长程任务的智能也高，就是消耗快
- Qwen3.8-Max：用得还少，但明显感知到长程Agent任务提升，规划思考能力强化
不过比起去年只盯着模型能力，现在也得看重输出速度和成本。单次任务越来越复杂，token消耗跟着涨。模型如果再贵下去，重度用户也真的扛不住。对于开发者来说，也将难以把智能打造为产品，推向更多用户。
希望下半年能在价格上卷出几个好模型。
