每逢新旗舰模型发布，伴随而来的总是充满编码基准测试的图表。然而，这些侧重于修复错误或终端任务的数据，往往与用户通过提示词从零启动项目的实际需求脱节。笔者倾向于后者，并选择构建一台小型鼓机作为测试案例。这不仅涉及视觉与交互设计，更要求音频精准同步——尽管Gemini、Fable和GPT-Astra无法真正“听”到声音，它们需通过编写Web Audio API代码，指示浏览器本地合成并播放音频。
测试需求明确：设计一款具备六个鼓声、16步网格及常规速度/摇摆控制的硬件风格设备，且所有打击声需从头合成。测试中，所有模型均启用“高努力”模式。
Gemini 4 Argon：深谙硬件美学，音质略显单薄
谷歌于9月30日发布Argon模型，虽基准分数强劲，但此前有消息称部分内部员工认为其在前端设计等实际编码任务中表现挣扎，甚至质疑其为刷分而优化。谷歌对此予以否认。鉴于本次测试侧重前端，结果颇具参考价值。
Argon最具个性，自命名为“TR-86 Rhythm Composer”，几乎复刻了Roland的经典命名与木质侧板设计，红色LED显示屏闪烁速度信息，步骤分组着色便于直观读谱，预设音色如“909 House”更彰显其对音乐文化的理解。为提升易用性，它采用滑块替代旋钮，避免了屏幕操控旋钮的繁琐，但在调整屏幕大小时出现了布局错误。
音质方面，Argon表现稳定但略显单薄：底鼓低频不足，踩镲高音过亮且带嘶嘶声，听起来更像是对经典鼓机的粗略模仿，难以直接用于伴奏制作。
Fable 5.1：工程师思维主导，功能详尽但操控不便
Fable 5.1是Anthropic于9月1日发布的面向公众的最高端模型（属Mythos级），需额外支付积分。评测显示其在多步骤处理和工具使用上表现优异，这在其处理鼓机项目时得到印证。
Fable制定了详尽的任务清单，直接将文件写入本地文件夹并在浏览器中检查控制台错误。规划阶段耗时五分钟，远超其他模型，但过程更为 thorough（详尽）。它甚至超出需求，将轨道从六个增至八个，增加了低音通鼓和边击，并实现了类似Roland 909的闭镲切断开镲尾音（Choke）功能，显示出对乐器演奏逻辑的深刻理解。
界面采用正宗旋钮和绿色LCD屏幕，视觉效果出色，但屏幕操控旋钮依然笨拙。此外，它通过后台时钟独立计时，确保切换标签页时节拍稳定。Fable坦诚其仅凭参数调整音效，生成的音色干净利落，但略显“临床化”，缺乏厚度。
GPT-6 Astra：设计极简克制，音质表现最佳
OpenAI于9月3日发布的旗舰模型Astra，被总裁称为进入通用人工智能时代的标志，其API成本为前代的2.5倍。评测对其视频/视觉能力褒奖有加，但对写作能力评价不一。笔者使用ChatGPT Work模式运行，约一分钟后即返回带内置预览的代码块，交互体验流畅。
Astra设计最为克制，深色面板配橙色点缀，全系采用滑块。虽无节拍颜色编码这一视觉缺陷，但其布局间距最佳，无杂乱感，且严格遵循六种音色设定，无冗余功能。
音质是Astra的制胜点。底鼓低频扎实，军鼓在噪声下保有厚度，踩镲柔和不刺耳，整体混音融合度远优于其他两款。即使同时触发所有节拍，也未出现削波失真，衰减平滑且电平合理。
结论：融合二者之长
Fable在理论架构和视觉上构建了更好的乐器，若解决旋钮操控问题，其设计值得保留。但Astra无疑提供了更优质的音质，最大化利用了Web Audio API的潜力。最终方案可能是将Astra的音频引擎移植至Fable的设计中。至于Argon，虽在对氛围的理解上值得肯定，但整体表现落后，符合其目前的舆论评价。