四个前沿模型做五件实事，闪的和能写的不是同一个

前沿模型不再只是 OpenAI 和 Anthropic 两家。Gemini 4 和 Muse Wonder 放进来之后，Peter Yang 用五件他真的会做的事比了四家。他除了 Muse 都有提前试用。排名跟着任务走，没有总冠军。

原始来源：I Tested Gemini 4 vs Opus 5.5 vs GPT-6 Astra vs Muse Wonder (5 Use Cases)。中文深度整理，非逐字翻译。本文依据视频英文字幕。名次是作者看过成片和草稿之后的判断，不是公开基准。

姬路城和轨道射击：Opus 仍最完整

第一项是只用代码，在 Blender 里建姬路城，渲染 30 秒黎明、樱花季的镜头，还要配乐。白墙和层叠屋顶不好做，所以拿来当测试。

Opus 5.5 被他放在第一。从樱花到城、背景里的雪，城的样子接近他记得的旅行广告。Gemini 4 是明显的第二：城也对，机位更多，包括桥下，同样配了日本笛。Astra 有水面反光和鸟叫，城偏平，机位不如前两个。Muse Wonder 差一截。他转述 Meta 首席 AI 官 Alex Wang 的说法：这个模型没有针对三维训练。成片看起来像更早几代。

第二项是星际火狐式的轨道射击，但用星际争霸的资产：人类飞船打虫族。Opus 再次一次做完，镜头、音乐、音效和僚机对话都在，眩光偏多。Gemini 和 Astra 一开始像并列。玩过之后他把 Gemini 放第二：第一人称、召唤战巡、桶滚，功能多，画面挤、没 Opus 精。Astra 气氛对，敌人种类和背景都更单。Muse 被他比成更早的 Opus，不好看。他留了一句：个人智能体也许是 Muse 的场，这场视频没测。

情绪短片和主页：胜负反过来

第三项是用代码做每一帧，加声音，要留下一种强烈情绪。图形上仍是 Opus 最完整：妻子留灯等丈夫。他觉得情绪一般。Gemini 的鸽子和分镜更像设计作品，故事被他读成忙碌的人跟亲人断了联系。Astra 的机器人给植物浇水，牺牲和复活都在，有一镜看起来不像浇水，他觉得好笑多于感动。

Muse 的图形更差，故事他给了第一。开头是老人照料一株植物，结尾才看出花是要放在墓前。转折是他没料到的。情绪短片他因此把奖给了 Muse。

第四项是在不看现有网站的前提下，重做他的 newsletter、频道和播客主页：标志、颜色、字体，并且不要看起来像 AI 生成的。Opus 有一个拉开角落的交互，其余偏平，也没有图，他打到 B，并提醒 Claude 这边没有图像生成。Gemini 又是“做很多”：课程都在，字太多，和它那个拥挤的游戏是同一习惯；设计系统倒是做了。Astra 最干净，标语清楚，有邮件框，还用图像生成放进采访对象和插画。他本来以为 OpenAI 的模型不长于设计。Muse 像一版报纸，全是字，不像落地页。这一项 Astra 第一，Opus 第二，Gemini 和 Muse 垫后。他补了一句：Gemini 有 Nano Banana 可用，这场却没用上。

写作和检索：Gemini 第一次排到前面

第五项是他把原始访谈稿收成一篇通讯：开头加几条带走的判断。这个技能他一直没法一次做对，总要来回改。这场比的是谁更接近他和别人一起改过的终稿。测了 Astra、Opus 和 Gemini，没测 Muse。

裁判方式要打折扣看：他让一个没有历史对话的 Opus 子智能体，按像不像本人、有没有洞察、细节是否贴近终稿来打。结果 Gemini 第一。评语是只有这份草稿像他，开场引语对，有个人例子，行话还在。Opus 最有洞察，本人感最低。Astra 准确，两项都不高。

他对此感到意外，并把它归因到写作本身：Gemini 3.8 又长又满，他认为 Google 花了时间改写作，4 这一代收住了。

同一段他还放了一个更普通、也更重的用途。他母亲有健康问题，他用模型做医疗检索。视频里的例子不是她的真实病情。Gemini 4 找到了其他前沿模型没找到的具体材料。以前的啰嗦，在这种问题上变成他想要的穷尽。写作加上检索，他愿意把这两项的第一给 Gemini。三维、动画、剪辑和配乐仍给 Opus。网站给 Astra。Muse 的个人智能体留到以后。

写作这场还有一个方法上的限度。裁判是 Opus，被裁判的之一也是 Opus。它没有历史对话，只看三份草稿和终稿，所以不是作者本人在打分。即便如此，他愿意把结论收成：Gemini 4 在写作上比他记得的 3.8 收住了，啰嗦从缺点变成医疗检索里他想要的穷尽。例子不是母亲的真实病情。三维、动画、剪辑和配乐仍给 Opus。网站给 Astra，部分是因为它调用了图像生成，而 Gemini 有 Nano Banana 却没用。Muse 的个人智能体留到以后。闪的任务和知识工作每天在做的任务，赢的不是同一个模型。