Qwen3.8、Fable 5、GPT5.6 Sol同时做 GTA 游戏、飞行模拟器、落地页设计等任务，条件很公平：同一个prompt、one-shot、不给迭代机会，出什么是什么。
结果 Qwen 3.8在两项上明显领先：一个是GTA风格游戏生成，画面完整度和场景丰富度都超过Fable 5；在 landing page设计上更是一骑绝尘，被评价为"完全不像AI生成"，视觉质感碾压另外两个。
在他后续的 AI agent benchmark总结里，Qwen 3.8也是整体排名第一。但飞行模拟器Qwen3.8暴露了问题，版本没能正常起飞，而Fable 5做到了，这说明在需要连续物理反馈和精细控制的任务里，Qwen还有提升空间。
GPT 5.6 Sol的表现相对中规中矩，没有特别突出的单项，但也没有像 Qwen3.8在某个单项上做到"crushed everyone"的表现。
所以结论很明确，Qwen 3.8在视觉和前端类任务上很强，但在物理/控制类任务上还有差距。
原博的总结我很有同感：别问哪个AI最强，要问这个任务用哪个AI最合适。
