飞翔的智能体
@nengpao
有人拿一个真实工程任务考了三家模型：给 OpenCLI 做 MCP 模式的基础重构设计案。
参赛的是 Step 5 Preview（阶跃星辰这次的新模型）、Fable，和 GPT-5.6 Sol。
先说三家一致的地方
大方向没分歧：保留原有 core，外面包一层轻量的壳，同时支持 CLI 和 MCP。三家都选了这条路，说明这个解法已经收敛了 —— 差异全在细节深度上。
分歧在哪
Fable 最完整：证据最密、方案最具体、路线最可验证。它主动往更深处钻研，敢于给前瞻性的实践。还有一点作者专门拎出来讲 —— Fable 会主动否证自己的任务，他说这是很少有模型做的事，接近批判性思维。
Step 5 Preview 分层理得很清：把"CLI 形态已有的资产"和"MCP 带来的纯新增能力"拆成两块分别处理。它还主动拆解了 OpenCLI 底层 session → tab → target 的运行时动态树状结构，以及这套结构怎么映射进 MCP。作者的评价是：工程上够用，但设计上不够有前瞻性。
GPT-5.6 Sol 工程边界卡得极好，约束条件写得非常完整，还主动分析了异步和并发环境可能带来的问题。短板在于没把 CLI 和 MCP 的差距分析透 —— MCP 其实能带更多高级功能，而它的演进路径也不够清晰。
打分
- 可执行工程决策文档：Fable 9 ＞ Sol 7 ＝ Step 5 Preview 7
- 洞察与上限：Fable 9 ＞ Step 5 Preview 7 ＞ GPT-5.6 Sol 6.5
另一个测试
作者还让 Step 5 Preview 一次成型做了个横版卷轴射击游戏，过程一气呵成，前端像素风格也好看。他的结论是：它在前端 Coding 的长程任务上表现不错。
我的看法
这种考法比刷榜有用：给同一个设计任务、各自出方案，再按"可执行性"和"洞察力"两个维度打分。产物是一份能读的文档，好坏一眼能看出来，不像跑分那样只剩一个数字。
但要提醒两点。这套评分是作者一个人打的，样本量是 1；Fable"主动否证自己"这类表现很值得留意，可别当成稳定结论。另外原帖没有可点的链接，想做同样测试得自己搭题。
