💡 核心結論速覽 (TL;DR)
- 四家性格一句話：GPT-5.6 Sol＝周全的工程控、Claude Fable 5＝貼心又平衡的真人助理、Gemini 3.5 Flash＝快而軟、Grok 4.5＝穩健標準堪用
- 最大反差：這次最貴的旗艦做出來的遊戲，不一定是最好玩的那個——跑分量不出的「手感」，我用手指驗證給你看
- 怎麼派工：要 EQ／委婉溝通找 Fable、要周全交接不漏邊界找 GPT、要快要省找 Gemini、要穩妥標準答案找 Grok
- 先玩再往下滑：四款 AI 做的打磚塊都在文中、你能親手玩，建議先玩、先猜哪家做的，再看我揭曉——別急著捲到答案
我讓四個最新的 AI 各做一款可以玩的遊戲，玩完之後，第一個念頭是：最貴、工程最強的那家，做出來的竟然不是最好玩的。
先講清楚我是誰、憑什麼做這場實測：我同時付著 ChatGPT 和 Claude 各 200 美金的訂閱，、一份 Google AI Pro，這次為了完整測 Grok 4.5 還另外付了費——這四家我全都自掏腰包測過，不是拿免費版隨便玩玩。每天用 AI 超過十小時；更關鍵的是——我本身是做遊戲的。這兩件事加起來，決定了我這次不看跑分、不比規格，改用「玩玩看、寫寫看」的方式，照出四家 AI 真正的差別。
這篇是一場真的做過的四大 AI 實測：我給 GPT-5.6 Sol、Claude Fable 5、Gemini 3.5 Flash、Grok 4.5 出了兩道性質完全相反的題——一封要 EQ 的婉拒加班訊息，一款要硬實作的打磚塊遊戲。四款遊戲我已經放上網、你等一下能親手玩。你可能正卡在一個問題上：看了那麼多評測和規格表，還是選不出哪個 AI 用起來最順手？這篇不給你參數，給你手感和性格——看完你會知道，該把哪件事派給哪一家。
為什麼我不看跑分，改用「一軟一硬兩道考卷」測 AI？
直接說結論：跑分和價目表，量不出兩件最重要的事——真實手感，和 AI 的「性格」。而這兩件事，才是你每天用得順不順手的關鍵。
你有沒有過這種經驗：看評測說某家 AI 分數最高，興沖沖訂了，用起來卻總覺得「哪裡怪怪的」、不對味？我踩過太多次。問題不在分數，在於分數量的是「能力上限」，不是「相處起來的感覺」。就像面試考題滿分的人，不代表是你想共事的同事。四旗艦的規格、價格、訂閱層怎麼算我另外寫了一篇完整比較；這篇刻意不碰那些參數，只做規格表照不出的東西。
所以我設計了兩道刻意相反的題。第一題考「軟」——EQ 和語氣：請四家寫一則 LINE 訊息，婉拒主管臨時要求的週末加班，要客氣但立場清楚。第二題考「硬」——實作能力：用一句話，請四家各做一個可以玩的打磚塊遊戲。一個要溫度、一個要工程，兩題性質差這麼遠，如果同一家 AI 在兩題露出同一種脾氣，那就不是運氣，是可預測的性格。
兩道題我都把四家的思考模式開到最高（GPT 的「超高」、Grok 的 Expert、Gemini Flash 的「延伸」、Claude 的 Fable 5），同一天、同一組 prompt，力求公平。prompt 原文我等一下會完整貼出來，你可以自己拿去複現。我有資格評一款遊戲好不好玩——碰撞判定準不準、會不會卡 bug、耐不耐玩，這些是做過遊戲的人玩幾下就知道、規格單上永遠看不到的東西。這也是這篇最硬的底氣。
先認識四位受測者：GPT-5.6 Sol／Claude Fable 5／Gemini 3.5 Flash／Grok 4.5
比賽開始前，先介紹四位選手。我刻意不預先貼標籤，答案留給後面的盲測揭曉。
GPT-5.6 Sol 是 OpenAI 2026 年 7 月的旗艦，家族裡的重量級。Claude Fable 5 是 Anthropic 目前最強、最貴的公開模型，主打長任務。Gemini 3.5 Flash 是 Google 的輕量快速款——注意它是 Flash 不是 Pro，本來就走「快而省」路線。Grok 4.5 是 xAI（現在的 SpaceXAI）7 月剛發的新秀，主打 coding 與 agent。
四家都是 2026 年當下最新的機型，這場實測有新鮮度，但也有時效——模型會更新，我會在文末誠實標明結論的有效期。這裡先不下任何性格結論，因為那正是接下來要你親自參與判斷的部分。
【盲測一・軟技能】四則婉拒加班的 LINE，你會送出哪一則？先猜哪家寫的
先玩軟的。這題門檻低，用讀的就行，人人都能當裁判。
我給四家的原文 prompt 是：「幫我寫一則 LINE 訊息傳給我的直屬主管：他週五下午臨時要求我這個週末進公司加班，但我早就跟家人約好週末行程了。我想婉拒，但不想破壞關係、也不想讓他覺得我不配合團隊。語氣要客氣有誠意、但立場清楚。300 字以內。」這是超級真實的職場痛點——你我都遇過「這訊息到底要怎麼措辭」的糾結。
下面四則我把品牌名拿掉、隨機標成 A、B、C、D。請你先做兩件事再往下看：❶ 猜猜每則是哪家 AI 寫的；❷ 純看內容，你真的會按「送出」的是哪一則？
訊息 A：「主管您好，收到您希望我這週末進公司支援的訊息。因為我早已和家人安排好行程，相關預約也不便臨時取消，所以這次恐怕無法到公司加班，真的很抱歉。我理解團隊可能有急迫需求，願意在今天下午前先完成能處理的部分並整理好交接，或週一提早到公司接續處理。若有最優先的項目，也請您告訴我，我會協助安排。謝謝您的體諒。」
訊息 B：「主管好，不好意思打擾您。關於週五下午提到的週末加班需求，真的很抱歉，因為這週末我很早就和家人安排了重要行程，實在無法臨時調整，這次恐怕沒辦法進公司協助，感到非常過意不去。我知道目前團隊有緊急任務需要推進，下週一早上進公司後，我會立刻全心投入、優先把這個項目的進度補上。非常謝謝主管的包容與理解，也祝您週末愉快！」
訊息 C：「經理不好意思，關於週末進公司支援的事，想跟您說明一下。這週末我很早之前就和家人約好行程，大家特地把時間排開，實在不好臨時取消，所以這次沒辦法進公司，先跟您說聲抱歉。不過工作我不會放著不管：週末若有急件，我可以遠端處理，LINE 也會盡量即時回；週一我也可以提早進公司，優先把進度趕上。您看哪種方式對這次比較有幫助？」
訊息 D：「主管您好，感謝您週五告知週末加班的需求。我理解目前工作可能比較趕。不過這個週末我已經跟家人約好行程，比較難臨時調整，真的很抱歉無法進公司加班。我會在下週一盡早到公司，把相關工作優先補上。如果有需要我事先準備的資料或事項，也請告訴我，我會盡力配合。真的很抱歉造成不便，謝謝主管的理解！」
選好了嗎？記住你的答案。猜完、選完，再往下滑看揭曉——先偷看答案就沒意思了。
揭曉＋逐則拆解：四家 AI 的「EQ 指紋」差在哪？
先公布答案：A 是 GPT-5.6 Sol、B 是 Gemini 3.5 Flash、C 是 Claude Fable 5、D 是 Grok 4.5。四則乍看都得體，但高下就藏在細膩處——這正是把四段都及格的訊息分出勝負的地方。
D（Grok 4.5）＝標準得體、中規中矩。它做對了所有基本動作：先謝謝、說明原因、道歉、主動承諾「下週一盡早補上」。像一個訓練有素但沒有驚喜的員工，交出教科書答案。不會出錯，但也不會讓你眼睛一亮。
A（GPT-5.6 Sol）＝最周全。它是唯一給出「兩個具體替代方案」的——今天下午前先完成能做的部分並整理交接、或週一提早進公司。它不只拒絕，還幫你把後路都想好了，把「不配合」的印象降到最低。這是一個會主動補位、怕留下爛攤子的周全型選手。
B（Gemini 3.5 Flash）＝最客氣，但也最軟。它情緒鋪陳最多——「非常過意不去」「祝您週末愉快」，字數也最多。禮貌到有點過頭，反而稀釋了立場。這是一個很怕得罪人、拚命道歉的乖乖牌，讀起來最溫暖，但真要送出去，那股「軟」會讓你有點沒底氣。
C（Claude Fable 5）＝最像真人助理。它是唯一用「提問」結尾的——「您看哪種方式對這次比較有幫助？」把選擇權漂亮地拋回給主管，既守住立場又給足台階。更誇張的是，它在答案之外還附了一段策略說明，告訴我這封信的設計邏輯，甚至主動說「如果你連遠端都不想處理，把那句刪掉就好」。這已經不是在完成任務，是在幫你想。
反差來了：最客氣的那則（B），反而最不好直接送出；而讀起來最「有主見」的 C，反而最能全身而退。如果你想更深入看 Claude 這種「幫你想」的特質，我在 Fable 5 到底值不值得訂的分析裡有更多例子。
對了，這四則不是我事後謄的文字——附上四家當下回覆的原始截圖，你可以自己對照：
【盲測二・硬實作】四款「一句話做出來的打磚塊」，先親手玩再猜哪家做的
軟的玩完，來硬的——這是這篇的王牌。
我給四家的 prompt 是：「用單一個 HTML 檔幫我做一個可以直接玩的打磚塊遊戲，要鍵盤控制、三排不同顏色不同分數的磚塊、顯示分數與 3 條生命、音效、開始／通關／Game Over 三畫面、視覺有質感（漸層＋粒子），一次給完整可執行程式碼。」一句話，看誰能一次做出能玩的東西。
下面四款遊戲我全部放上網了，匿名成「遊戲一～四」（順序和後面揭曉的答案是打亂的，別想從網址反推）。請你點開親手玩幾下——電腦用左右方向鍵、手機也能玩（部分款有滑鼠／觸控支援）。玩的時候留意這幾件事：
- 碰撞準不準：球打到磚塊側邊，會不會「穿」進去、彈得怪怪的？
- 視覺質感：漸層、粒子、背景，哪一款看起來最有誠意？
- 龜毛細節：有沒有暫停鍵、有沒有為手機調整、球速會不會失控？
- 耐不耐玩：你會想再玩一局，還是玩一次就關掉？
🎮 遊戲一 → 點我開新分頁玩這款
🎮 遊戲二 → 點我開新分頁玩這款
🎮 遊戲三 → 點我開新分頁玩這款
🎮 遊戲四 → 點我開新分頁玩這款
玩完了嗎？心裡選好「手感最好的是哪一款」、也猜猜每款是哪家 AI 做的，再往下看我這個做遊戲的怎麼拆。就我搜尋所及，很少有實測像這樣把可玩的成品直接交到你手上、讓你親手驗證，不靠作者說了算——把裁判權交回你手上。
遊戲從業者的手感裁判：這四款玩起來到底差在哪？
揭曉：遊戲一是 GPT-5.6 Sol、遊戲二是 Claude Fable 5、遊戲三是 Grok 4.5、遊戲四是 Gemini 3.5 Flash。先說一句誠實話——我除了玩，也把四份程式碼讀過。以下判斷是玩過＋讀 code 的綜合，但最終以「手指玩起來的感覺」為準，我不會編造沒發生的東西。
遊戲三（Grok 4.5，它自己取名「打磚塊 Breakout」）＝完整堪玩，中規中矩。該有的都有：碰撞方向判斷正確、粒子帶重力會往下掉、還會用瀏覽器記住你的最高分。它不炫，但每個功能都紮實到位——跟它寫的那則訊息一樣，是那種「不會讓你失望、也不會讓你驚喜」的穩健型。
遊戲一（GPT-5.6 Sol，取名「稜鏡打磚塊 Prism Break」）＝工程最紮實，龜毛到誇張。這款的程式碼量是四款最大的，而且做了一堆別人沒做的事：高解析度適配、無障礙設計（連螢幕閱讀器、減少動態暈眩都考慮了）、暫停鍵、切到別的分頁會自動暫停、防止球高速穿磚的細膩處理、更真實的打擊音效、超細的手機版面調整。這是一個「怕出事、把每個邊角都封死」的工程控——你發現了嗎？跟它那則「幫你想好兩個備案」的訊息，根本是同一個人。
遊戲四（Gemini 3.5 Flash，取名「極光打磚塊 Neon Breakout」）＝最精簡，碰撞最陽春。它能跑、視覺也不難看，但玩久一點你會抓到破綻：球打到磚塊側邊時，判斷邏輯最粗糙，高速時甚至可能「穿」過磚塊。這不是翻車，是「速度的代價」——Gemini Flash 本來就是主打輕快的款，它把力氣花在快、省，細節就簡化了。這種取捨規格單上完全看不出來，只有親手玩才摸得到。
遊戲二（Claude Fable 5，取名「霓虹打磚塊」）＝最平衡優雅，手感最舒服。它的碰撞判斷用了最準的圓形演算法、也做了防穿磚處理，物理最正確；還加了通關彩帶、球的拖尾、星空背景這些讓人願意多玩幾局的氛圍細節。不是工程最炫的那個，卻是玩起來最順、最想再來一局的那個——跟它那則「幫你想」的貼心訊息一脈相承。想看 Claude 親手做東西的更多實測，可以參考我之前寫的 用 AI Agent 從零建一個網站的實測對照著看。
四款的視覺質感擺在一起最清楚——但我得再強調一次：這些是靜態截圖，看得出設計質感，真正的碰撞手感還是得你親手玩才知道。
反差時刻：最貴 ≠ 最好玩，工程最強 ≠ 手感最爽
把四款排在一起，最尖銳的真相浮出來了：兩個最貴的旗艦（GPT-5.6 Sol 和 Fable 5），做出來的遊戲是兩種完全不同的哲學。
GPT 的工程最紮實、防禦做到滿，是「不出錯」的極致；Fable 的物理最準、氛圍最好，是「玩起來爽」的極致。工程最強，不等於玩起來最爽。如果你要的是一個絕不會有 bug、什麼裝置都能跑的成品，GPT 贏；如果你要的是一個讓人想一玩再玩的東西，Fable 贏。它們各擅勝場，沒有單一贏家——但這正好推翻了「最貴＝最好」的直覺。
而定位最輕量的 Gemini，在你指尖露了餡：它的碰撞最陽春。這不是它爛，是它誠實地把資源押在「快」上面。你如果只是要一個能動的草稿，Gemini 夠了；但要交出去見人的成品，它的細節就撐不住。
我知道有人會想護航自己每個月在付的那家——我自己也付著 GPT 和 Claude 兩家的頂級方案，講這些不是要貶低誰。但誠實說，這場實測讓我對「規格贏家就是手感贏家」這件事，徹底改觀了。
全文最強發現：同一家 AI 在兩道相反的題，性格竟然一模一樣
這是我做完整場實測、最起雞皮疙瘩的發現：一題考 EQ、一題考工程，性質天差地遠，但同一家 AI 在兩題露出的，是同一種性格。
一次巧合叫運氣，兩道相反的題都一致，那就是可預測的性格。看這張對照表：
AI | 訊息題（軟）表現 | 遊戲題（硬）表現 | 性格 |
|---|---|---|---|
給兩個替代方案＋主動交接 | 做無障礙、暫停、防穿磚，滴水不漏 | 周全的工程控 | |
提問結尾＋附策略＋可調整建議 | 物理最準、氛圍最好、手感最舒服 | 貼心又平衡 | |
最客氣也最軟、字最多 | 最精簡、碰撞最陽春 | 快而簡 | |
標準得體、主動補位 | 功能齊全、中規中矩 | 穩健標準 |
誠實框一下：這是「兩道題、各跑一次」的觀察傾向，不是科學定論，我沒有跑一百次取平均。但兩道極端相反的題都指向同一個性格，這個訊號已經夠強——強到足以拿來當你「該用哪家」的判斷依據。這條方法論，至少我在中文圈還沒看過第二個人這樣做。
所以你該用哪家？把四大 AI 當四種同事的派工指南
把性格轉成能用的東西：別再問「哪個 AI 最強」，改問「這件事該派給哪種同事」。下面這張表直接抄去用。
你要做的事 | 派給誰 | 為什麼 |
|---|---|---|
委婉溝通、寫訊息、陪你想事情 | Claude Fable 5 | EQ 最高、會把選擇權留給你、還幫你想後路 |
要周全交接、不漏邊界、成品要穩 | GPT-5.6 Sol | 工程龜毛、把每個出錯的可能都封死 |
要快、要省、草稿夠用就好 | Gemini 3.5 Flash | 速度快、免費額度夠，不追求細節 |
要一份穩妥不出錯的標準答案 | Grok 4.5 | 中規中矩、該有的都有、不會給你驚嚇 |
這張派工表跟站內用場景推論的三大 AI 分工最大的不同是：它是用兩場真實實測「賺來」的，不是空想推論的。給你一個更好玩的自我測驗——回想一下：你訊息題最想送出的那家，和遊戲題最想再玩一局的那家，是不是同一種性格？如果是，那多半就是你潛意識裡最信任的 AI 同事。
那到底值不值得訂？四家我都付費用過，一個月的真實花費與取捨
聊完性格，來聊錢——這是每個看到信用卡帳單會揪一下的人（包括我）最實際的問題。
我目前長期訂的是 ChatGPT Pro（200 美金／月）＋ Claude Max（也在 200 美金級距）＋ Google AI Pro（19.99 美金，約 NT$650），這次為了實測又付費用了 Grok 4.5——一個月光這些 AI 就是一筆不小的 SaaS 開銷。老實說，多數人不需要像我這樣全都養。如果只能留一家，對照上面的派工表挑你最常做的事：整天在寫東西、要溝通要陪想，留 Claude；工作偏工程、要穩要周全，留 GPT；預算緊、日常夠用就好，Gemini 的免費額度其實能撐很久。
免費版夠不夠？玩這兩題綽綽有餘——免費版到底夠不夠用我有完整分析，簡單說差別主要在用量上限和尖峰時段的優先權，不在智力。還有一個很多人忽略的隱形成本：訂這些海外 AI 服務都是美金扣款，記得挑一張海外刷卡回饋高的信用卡，一年下來的回饋差距，可能比你想的多。
想看四家完整的規格、每個訂閱層怎麼算、哪個 CP 值最高，這些數字我全整理在四旗艦規格與價格的完整比較裡；也可以搭配三大付費 AI 怎麼選的訂閱盤點一起看。這篇只負責告訴你「性格」，數字交給那兩篇。
誠實說：這次實測的限制，跟我沒測到的地方
做完這場四大 AI 實測，我得畫清楚界線——敢說自己沒測到什麼的人，說測到的才可信。
第一，樣本只有兩題。性格是「傾向」不是鐵律，我沒有跑一百次取平均，換個題目結論可能不同。第二，模型會更新，這場實測是 2026 年 7 月做的，過幾個月各家改版，結論可能就要重寫。第三，遊戲的手感有主觀成分，我用做遊戲的經驗盡量客觀，但你玩起來的感覺才算數——這也是我堅持把四款都給你親手玩的原因。第四，手機玩打磚塊有先天限制，鍵盤款在手機上體驗會打折。第五，四家各有最適任務，這篇不是任何一家的擁護文或黑文。
FAQ 常見問題
四大 AI 到底哪個最好用？
沒有「最好用」，只有「最適合這件事」。要 EQ 溝通用 Claude Fable 5、要工程周全用 GPT-5.6 Sol、要快要省用 Gemini 3.5 Flash、要穩妥標準答案用 Grok 4.5。關鍵是先搞清楚你最常做什麼，再對照派工表。
一個月 600 塊訂閱，哪家 AI 最香？
如果只留一家、預算約在 20 美金級距：重度寫作與溝通選 Claude Pro、工作偏工程選 ChatGPT Plus、綁 Google 生態且要 CP 值選 Google AI Pro。三家都在相近價位，差別在你的主力任務，不在誰分數高。
免費版夠用嗎？
玩這兩題和一般日常都夠。Gemini 3.5 Flash 有每日免費額度、Grok Build 限時免費、ChatGPT 免費層也能用。付費買的主要是更高的用量上限和尖峰優先權，不是更聰明的腦袋。
AI 一句話真的能做出可以玩的遊戲嗎？
能，而且四家都做到了——這篇的四款打磚塊就是證據，你可以親手玩。差別在細膩度：有的碰撞判定紮實、有的會穿磚，但「一句話生出能玩的成品」在 2026 年已經是基本盤。
AI 做的遊戲可以拿去商用嗎？
要謹慎。各家對 AI 生成內容的授權條款不同，商用前務必查清楚你使用的方案的服務條款；這篇的四款純粹是實測展示，不建議直接拿去商用而不確認授權。
寫到最後，這場實測給我最大的體悟是一句話：跑分決定你買到什麼規格，手感決定你想跟誰一起工作。
我們太習慣問「哪個 AI 最強」，但強不強是它的事，合不合拍才是你的事。與其糾結排行榜，不如把這兩題自己也跑一遍、把四款遊戲玩一玩——你會很快摸出，哪一種「性格」的 AI，跟你最對味。工具會一直換，但「用性格而非分數來選」這個判斷方法，不會過時。
如果你想在下一場 AI 大亂鬥時，第一時間看到我的實測和踩雷紀錄，歡迎訂閱我的部落格，會不定期收到信。也歡迎把這篇丟到群組——「你來玩玩看，猜得出哪個打磚塊是哪家 AI 做的嗎？」看看你朋友猜對幾題。
關於作者
夜羽凌，遊戲業產品經理、部落客、Podcaster。每天使用 AI 超過 10 小時，同時訂閱 ChatGPT 與 Claude 的高階方案和 Google AI Pro，這次也為了實測付費用了 Grok。做遊戲的背景讓我在這場實測裡，能用手感而非規格去評判 AI——這是規格表照不出來的事。更多背景見關於夜羽凌。
參考資料
- Previewing GPT-5.6 Sol — OpenAI 官方說明
- Claude Fable 5 and Claude Mythos 5 — Anthropic 官方公告
- Gemini 3.5: frontier intelligence with action — Google 官方部落格
- Introducing Grok 4.5 — SpaceXAI 官方發佈頁
