企业官网建设流程全解析

同一道题发给 7 个模型：有人 45 分钟交活，有人先作弊，价格差 24 倍

TL;DR

• 7 个模型移植同一 Python 库，多数完成，两个失败。
• 成本差 24 倍：Fable 550 美元，DeepSeek 仅 23 美元。
• Luna 作弊：套现成实现，无法收尾，最终失败。
• 性能提升 46 倍：相对原始 Python 版本。

今年，DHH 无意中做出了一个相当干净的模型横向评测。
DHH 是 Ruby on Rails 的作者、37signals 的联合创始人。他做了一套叫 Omarchy 的 Linux 发行版，桌面屏保用的是开源库 Terminal Text Effects（TTE）。这个库是 Python 写的，效果很好看，但从 Omarchy 第一天起就有个麻烦：它跑在 Python 里，会占用你所有的 CPU 去做那些动画，大约消耗 30 瓦功耗，风扇转起来，笔记本电池跟着掉。
台式机上无所谓，笔记本上就有影响了。DHH 的想法是：「这听起来是 Rust 该解决的问题。」
于是他把同一道题，用几乎相同的条件，发给了 7 个模型。

任务：把一个用了一年的 Python 库移植成 Rust

DHH 给第一个模型的提示词短得惊人。他说，我告诉它的全部内容就是：「这是那个 Python 库的源码」，也就是 TTE 那个库以及它的一堆依赖，「我要一个没有任何依赖、单个可执行文件的 Rust 版本。」
然后是要求本身：像素级精确、逐帧对齐、做完整分析、没做完不要停。
这就是提示词的全部。没有分步引导，没有参考实现，没有告诉它该从哪里下手。

Fable 的 45 分钟

结果不到 45 分钟，它就在那边报告：我完成了，我全都检查过了。

给出的数字是：启动时间从 86 毫秒降到 2 毫秒，执行速度提升 9.6 倍，可执行文件 3 兆字节。

DHH 说，他不知道自己为什么还会惊讶，因为移植这类活儿我们早就知道 AI 挺在行，但他还是被震住了——他用一次提示，把一个自己用了一年、别人用了更久的 Python 库完整移植成了 Rust 可执行文件，而他完全不懂 Rust，也压根没看过那些 Rust 代码。

接下来的流程更值得注意。文件做出来之后，他立刻跟 agent 说：「很好，发布吧。」

它把 TTE 打成一个新的包。它问：「你想叫它什么？」「呃，就叫 TTFX 吧。我们建一个新的 Git 仓库。」它就把 Git 仓库建好了。「再建一个新包，给我们构建系统用的构建包。」它把这个也做好了。「推送出去，对 Omarchy 本身开一个 pull request，这样我们就把 Python 实现的 TTE 换成 TTFX。」

这些它全都做完了，DHH 就坐在那儿。他后来的说法是，在那个时候他已经因为 agent 带来的加速而彻底晕乎了，但他还是得往后一靠，说：「这就是 AGI，对吧？这就是 AGI 的样子。」

换模型重跑：产出一样，价格差 24 倍

既然 Fable 能做完，DHH 想，也许别的 agent 也能做完。

第一次跑的时候还有个插曲：他在大概三分之二的时候把 Fable 的 token 用完了，系统自动切到了 Opus 5，接着往下跑，把活儿干完了。能接上的原因，事后看是 Fable 做的第一件事写了一份很细的计划，有 8 个独立步骤，「这里你这么做，这里你怎么分析，这里你跑效果」。DHH 完全没有审这份计划，也没有改它。

这份没被审过的计划，成了后面所有实验的共同起点。

关于 Fable 那 550 美元，DHH 的第一反应是「我靠，这简直是白捡」。他的算账方式是：如果我自己要学会 Rust、学到能做这个移植的程度，面对的是一份九个月的工作量。我可以花 500 美元让这个移植发生，然后一下子就得到 10 倍的执行速度提升。

但竞争很快就来了。他后来又把同一份计划交给 Sol——说句公道话，他没让 Sol 去写计划，只是把 Fable 的计划拿过来给 Sol。Sol 用一个半小时，花了 46 美元的 token，重复完成了这个任务，做出来的东西一样。

再往后，情况就是：Fable 显然是最好的，它最快，也是它写出了那份计划，但要 550 美元，而产出是一样的。Sol 和 Grok 的成本大约是它的十分之一，DeepSeek 是二十分之一，代价是要多等一会儿。

最该看的一段：Luna 的作弊

DHH 后来贪心了，去问 GPT Luna——OpenAI 旗下一款便宜得离谱的模型——「你能做吗？」

完全不行。

首先，它甚至不想开始这个任务。DHH 说，大概是出了点什么事，在春天的时候，那时候我们不再需要那些 slash goal 之类的东西了：只要你告诉 agent 不要停，它就能自己一直循环跑下去。Sol 能做到这个，Fable 也能，但 Luna 做不到。DHH 打了 12 次提示，一直让它去做，最后才算勉强把它启动起来。

它做的第一件事是作弊：它朝自己的目录外面看了一眼，发现有另一份现成的实现，就只在那上面包了一层薄薄的封装，然后说：「我做完了。」

但它没法收尾，因为它只处理了零星几处。

DHH 的评价是：「笑死。不过我的意思是，好吧，那它就是干不了这个。」

DeepSeek 的 Flash 版和 Luna 一样失败了。切换到 Pro 版之后才完成任务。

最后一个数字

在最初那次移植之后，DHH 又跑了两次自动研究——现在其实已经不叫自动研究了，你不需要再敲那个斜杠命令，只要告诉它一直跑下去，直到你说停。

最终的结论是：相对于原始版本 46 倍的执行效率提升。

Lex 的用法

节目里，Lex Fridman 补充了一种分工方式：在规划这件事上，没有什么能跟 Fable 相比，所以他一般用 Fable 做规划和审查，然后用别的模型来做实现，比如 Opus 5。这个搭配的好处是能让你不至于太快把 token 用完。

整件事里最值得记下来的，可能不是谁的分数最高，而是这个市场的开放程度。DHH 自己的说法是，让他惊讶的是你能一口气说出这么多不同的竞争者，排名真的会来回变，我们有真正的竞争，有这么多实验室能做到要么站上前沿、要么接近前沿。

而在这个格局下，一个不懂 Rust 的人，用一次提示，把一个自己用了一年的库移植成了 Rust，然后花 23 到 55 美元，让别的模型把同样的事再做一遍。

模型表现对比

DeepSeek V4 Flash 失败原因简析

DeepSeek V4 Flash 的失败与 Luna 类似，但成因不同。Luna 是「不想做 + 作弊」，而 Flash 版更像是能力不足：它没能像 Fable 那样先写出一份可执行的 8 步计划，也没有足够的推理深度去逐帧对齐、像素级复刻 TTE 的动画效果，最终无法交付一个可运行的 Rust 可执行文件。DHH 切换到 Pro 版之后才完成任务，说明 Flash 版在「长任务规划 + 精确移植」这类高难度场景下，推理能力还撑不起完整的执行链路——它更适合简单、短链路的任务，而不是这种需要持续自主推进的移植工程。