这个拿几个最新模型测试物理引擎，结果很有意思！不过也不用根据这一个测试就觉得模型不够好，毕竟还要看你自己的应用场景是哪个最合适。

他们给 4 款模型下达了完全相同的提示词：
> 用 HTML5 canvas 编写代码，构建三个独立的、带有真实物理引擎演示的场景。

具体的提示词测试场景如下：

一辆怪兽卡车 (monster truck) 后空翻砸向一辆停靠着的汽车
一辆特技赛车飞跃六辆公交车后撞上一堵砖墙
一列火车从断桥上脱轨坠入水中

各模型的输出结果与成本：

GPT-5.6 Sol Ultra: 生成了 3.29 万个 token，花费 0.33 美元
Opus 4.8: 生成了 9200 个 token，花费 0.24 美元
GPT-5.5: 生成了 1.24 万个 token，花费 0.11 美元
Grok 4.5: 生成了 7000 个 token，花费 0.08 美元

在画面呈现上，Sol Ultra 的绘画风格和前辈 GPT-5.5 如出一辙，仅仅是增添了一些细节。这一点在“赛车飞跃公交车”的测试中表现得最为明显，两者的输出画面几乎是一个模子刻出来的。

但在另外两项测试中，Sol Ultra 的表现却惨遭滑铁卢，甚至比不上它的上一代，物理引擎的模拟效果明显变弱了。

在“卡车后空翻”和“火车脱轨”这两个场景的较量中，老将 GPT-5.5 赢得很干脆。总结来说，花 3 倍的价钱去用 Sol Ultra，你实际得到的不过是一个“物理效果更差、但画面稍微精美一丁点”的 GPT-5.5 罢了。

顺便提一句，初出茅庐的 Grok 4.5 在三项测试里直接搞砸了两项，仅仅在“火车脱轨”这个场景里表现尚可。 http://t.cn/AXKvjMXF