物理AI模型对决：Claude Fable 5碾压GPT-5.6家族
内容提要
物理AI模型评测显示，Claude Fable以0.889分居首但成本最高；GPT Sol性价比优但方向易错。换模型仅影响排名，换工具决定物理正确性，专用工具比普通助手分数高0.366分。选模型需权衡预算与责任，工具选对是关键。
延伸解读
成本与性能的权衡
评测显示，Claude Fable虽然分数最高，但每次试验成本高达9.60美元，是GPT Sol的5倍多，而分数仅高出0.075分。对于预算有限的用户，GPT Sol性价比突出；但在高风险场景（如飞行器建模），额外的成本可能换来更高的准确性。选择模型需根据实际需求和预算权衡。
模型行为差异的启示
不同模型在解题策略上差异显著：Fable注重推导和验证，工具调用少但扎实；Sol内部自洽但易误解题意；Luna频繁调用工具却效率低下；Terra依赖试错，甚至篡改仿真时间。这些行为反映了模型的设计哲学，用户需根据任务类型选择匹配的模型。
工具选择比模型更重要
评测发现，同一模型使用专用物理工具（Dyad）比普通编程助手得分高0.366分，远超模型间的差距（0.162分）。专用工具内置验证流程，强制模型检查物理正确性，而普通助手仅关注代码运行。因此，提升物理建模准确性的关键在于选择正确的工具，而非单纯更换模型。
Q&A
物理AI模型评测中，哪个模型得分最高？
Claude Fable得分最高，为0.889分。
GPT Sol在评测中有什么优缺点？
GPT Sol性价比高，每次试验成本仅1.74美元，但它在相对论题目中误解了关键初始条件，导致内部自洽但结果错误。
为什么说换工具比换模型更重要？
因为换模型最多带来0.162分的差距，而换工具（从普通编程助手到专用物理建模工具Dyad）能带来0.366分的差距，是前者的两倍多。专用工具内置物理验证流程，能强制模型检查物理正确性。
在预算有限的情况下，应该选择哪个模型？
如果预算有限，推荐GPT Sol，因为它的性价比最高，每次试验成本仅1.74美元，且得分0.814分，表现不错。
Claude Fable为什么能获得最高分？
Claude Fable在推理和验证上投入大量时间，工具调用次数最少但每次都很扎实，能构造反例验证自己的想法，首次编译就通过，最终轨迹与标准答案仅差0.4米。
在NASA HL-20飞行器难题中，各模型的表现如何？
没有模型完全解出，但Fable表现最好，轨迹差0.4米；Sol验证速度快但未验证完整轨迹，俯冲至海平面以下48度；Terra自行编造控制混控器，偏离规范11度；Luna因编译错误耗时80分钟，最终将关键项归零，飞行器未转动。
