给 Claude Fable 5 和 GPT-5.6 Sol 各 100 美元，让它们做一支音乐视频，谁花得更值？
先说清楚，这不是哪个公开 benchmark，是我自己设的成本封顶思想实验。但算账用的数字全是真的------两个模型的定价、智能指数、输出速度，都来自 artificialanalysis.ai 的公开规格页，我用 curl 直连扒下来的。哪些是事实、哪些是我算的，最后会一层层交代，不把推算混进实测里。
结论先放这儿：预算封顶、又是个得反复改的活儿，选 GPT-5.6 Sol。一句话------同样 100 美元，Sol 能干的"智能活儿"是 Fable 5 的 2.65 倍，单次质量只差 1.64%。这笔账算得过来。
往下拆。
两位选手的真实身份
GPT-5.6 Sol 是 OpenAI 2026 年 7 月 9 日上线的旗舰。这次 OpenAI 把模型分了三档：Sol 旗舰，Terra 均衡，Luna 高性价比，顶替了以前的 mini/nano。据公开报道，Sol 在 Terminal-Bench 2.1 上拿了 91.9 分，全球第一。多模态输入，上下文 1M tokens。
Claude Fable 5 是 Anthropic 6 月 9 日发的，和 Claude Mythos 5 同一天。它的定位有点拧巴------据公开报道，是 Mythos 级别的能力，被安全护栏压到了 Fable 这一档。除了多模态输入，还能往外吐图表、表格、PDF，上下文也是 1M。
Fable 5 还闹过一段风波：全球下过线，后来又"复活"。我从 Bing 搜到的几段说法对不上，时间线乱，所以这里提一嘴就打住，不当事实写。
把100美元换算成"能干多少活"
比两个模型，光看单价不够，得看"花同样的钱能买多少产出"。这里有个比单价更狠的指标，叫 cost per intelligence index task。artificialanalysis 把模型在基准上的表现折算成一个能横向比的"智能单位"，这个指标就是"产出一个智能单位要花多少钱"。
先看单价。GPT-5.6 Sol 输入 5 美元每百万 token、输出 30 美元；Fable 5 输入 10 美元、输出 50 美元，贵一倍。按 7:2:1 的缓存命中比算混合价，Sol 是 4.35 美元每百万 token，Fable 5 是 7.70 美元。
100 美元能买多少混合 token？Sol 大约 2300 万，Fable 5 大约 1300 万。Sol 多 1.77 倍。
但真正拉开差距的是 cost per intelligence index task。Sol 1.037 美元，Fable 5 要 2.75 美元。100 美元，Sol 能买 96 个智能任务，Fable 5 只买得起 36 个。Sol 是 Fable 5 的 2.65 倍。
这个 2.65 倍是全文最关键的推算数字，值得展开。意思是：每美元能买到多少智能产出这件事上，Sol 把 Fable 5 甩开不止一倍。预算封顶时，这个差距是决定性的。
单次质量 vs 批量迭代：音乐视频吃哪碗饭
Fable 5 不是没优势。Intelligence Index 它 59.86，Sol 58.89，Fable 5 高 1.64%。输出速度它 65.56 token 每秒，Sol 52.38，快 25%。
单看这两项，Fable 5 更聪明、更快。可音乐视频这个活儿，吃的是迭代量，不是单次质量。
做一支 MV，脚本要改十几版，分镜要试好几套，歌词来回润色。预算封顶时，"能试多少版"比"单版多完美"更决定成品。能跑 96 个智能任务的模型，能把脚本从"能看"磨到"能打"；只能跑 36 个的，磨到一半预算就见底了。
我反驳一下自己：要是这支 MV 一两版高质量输出就能定稿，比如纯靠一次惊艳的脚本，那 Fable 5 的单次质量加速度优势就成立。但现实里 MV 几乎不存在"一次定稿"。我自己写东西的经验，第一稿永远是垃圾，好东西是改出来的。MV 更是这样，画面、节奏、歌词得对上，不迭代出不来。
所以这个场景下，Sol 多出来的那 60 个智能任务，比 Fable 5 高出来的 1.64% 单次质量值钱得多。
速度和上下文：1M tokens 装得下一整支MV吗
两个模型都是 1M tokens 上下文。1M 够不够装一整支 MV 的脚本、分镜、参考素材加历史迭代？够。把参考歌词、导演笔记、风格样本全塞进去一次性消化，两家都做得到。这点打平。
速度这块有个反直觉的地方。Fable 5 输出快 25%，看着是优势。可前面算过，100 美元下 Fable 5 能买的输出 token 更少------2M 对 Sol 的 3.33M。把"快"和"贵"放一起算，折算成实际能生成的总时长，Sol 反而多 2.09 倍。
说白了，Fable 5 单位时间吐字快，但 100 美元买的字少，吐到一半就停了。Sol 吐得慢点，可 100 美元买的字多，能吐更久。预算封顶时，总产出量比单位速度重要。
上下文对 MV 的意义，是能把一整条创作链的背景都喂进去，不用每次重新解释。两家都 1M，这点不构成选择差异。
多模态：Fable 5 能输出图表，对做MV有用吗
Fable 5 一个卖点是能输出 diagrams、charts、tables、PDFs。Sol 的多模态偏输入侧。听着像 Fable 5 的加分项，可放到"做音乐视频"这个具体场景里，得问一句：用得上吗？
MV 的交付物是脚本、分镜表、歌词，全是文本。你不会把分镜做成一份精美 PDF 交给导演，你要的是结构化、能直接照着拍的文本。Fable 5 能画图表，在这条流程里几乎用不上。
唯一沾边的，是它能把分镜表画成表格图，视觉好看点。但这是锦上添花，不是 MV 的核心需求。导演要的是"第几秒什么画面什么动作"，画成图反而不如写成列表好查。
所以多模态输出在 MV 场景里，不是 Fable 5 的有效加分项。这能力在写报告、做数据分析时才值钱，做 MV 用不上。
诚实交代：哪些是实测，哪些是我的判断
这篇文章的数字分四层可信度，我一层层说清楚。
第一层，实测规格事实。两个模型的发布日期、Intelligence Index、输出速度、cost per intelligence index task、定价、缓存价、上下文窗口，全部来自 artificialanalysis.ai 的公开规格页。我用 curl 直连扒下来，HTTP 200，HTML 落盘后用正则从页面 JSON 里抠出来的。这是事实，可以直接引。
第二层，Bing 搜索所得。GPT-5.6 的 6 月 26 日公布日期、Terminal-Bench 91.9 分、三档架构命名；Fable 5 的 Mythos 降级定位、下线又复活风波------都是 Bing 搜索结果摘要，不是官方一手源。文中用"据公开报道"措辞。Fable 5 下线风波那几段时间线片段对不上，文中标了"时间线存疑"，提一嘴不展开。
第三层，我的推算。100 美元能买多少 token、多少智能任务、多少生成时长，全由第一层的公开规格按公开公式算出来，过程能复现。但这是推算，不是任何 benchmark 的实测。文中明确标"推算"。
第四层，思想实验设定。"100 美元 AI 音乐视频"本身不是任何已知公开 benchmark，我多角度搜过，没找到把它当已知评测的来源。它是我设的成本封顶思想实验。文中所有 MV 相关结论都是基于规格的推演，不是实测跑分。
把推算和实测分开讲，是因为这领域太多文章把"按规格算出来的数"当成"实测跑出来的数"糊弄读者。我不干这事。
100美元该下注给谁
预算封顶，又是个高迭代场景，选 GPT-5.6 Sol。100 美元多干 2.65 倍的活，迭代量碾压，单次质量只差 1.64%，这笔账算得过来。
什么时候选 Fable 5？两种情况。一是预算不封顶，要单次质量的天花板，那 Fable 5 的 59.86 智能指数和 25% 的速度优势就值这个溢价。二是交付物真需要图表和 PDF------但做 MV 一般不需要。
给一个能复用的判断框架：先算"每美元智能产出"，就是 cost per intelligence index task；再看你的任务是吃迭代量还是吃单次质量。吃迭代量的，选性价比高的；吃单次质量的，选质量天花板高的。音乐视频吃迭代量，所以选 Sol。
多说一句，这个框架不只用来选模型。任何"预算封顶 + 要反复改"的活儿，写长篇、做产品文案、跑批量数据清洗，都能套这个思路：先看每美元产出，再看任务吃迭代还是吃单发。
你手头如果有 100 美元预算做 AI 创作，会优先迭代量还是单次质量？评论区聊聊，我猜做实际项目的人大多会选迭代量。
本文数据来源：artificialanalysis.ai 公开规格页（curl 直连，HTTP 200）。"$100 AI 音乐视频"为作者设定的成本封顶思想实验，非任何已知公开 benchmark；文中 MV 相关结论均为基于公开规格的推演，非实测跑分。