Fable 5.2 实测10组：选视频生成模型不能只看画面
有人把 Fable 5.2 和 Opus、Gemini、GPT、Kimi 用同一批提示词跑了 10 组对比，连速度和成本都算进去了。做选型的人可以直接抄这套评估维度，还能看看强模型规划加小模型执行怎么省钱。
Fable 5.2 发布后，博主 @FinanceYF5 把它与 Opus、Gemini、GPT、Kimi 放在同一条提示词下做了 10 组实测对比。结果显示没有模型全面胜出：有的更快，有的更贵，部分低价方案反而效果更好。
测试拆成速度、成本、细节、场景理解、工作流等维度逐一打分，说明同一任务下不同模型的表现差异直接影响实际产出。文中还提出一种混合用法：让强模型负责规划、小模型负责执行，整体成本可能比单独调用强模型更低。
对需要在多个生成模型之间做选型的开发者来说，这组对比提供了一个按维度拆解、而不是只比“画面惊艳”的评估框架。
这10组测试说明，新模型的比较已经不能只看“谁的画面更惊艳”。 同一个任务里，速度、成本、细节、场景理解和工作流都会改变结果；甚至让强模型负责规划、小模型负责执行，可能比单独调用强模型更划算。 如果只能选一项，你会优先看效果、速度，还是成本？ x.com/FinanceYF5/sta… AI Will @FinanceYF5 Fable 5.2发布后，大家已经开始把它和Opus、Gemini、GPT、Kimi放在同一条提示词下对比。 结果并不是单纯的“新模型全面碾压”：有时更快，有时更贵，也有低价方案反而效果更好。 10组实测案例👇 🔗 View Quoted Tweet
This report is categorized under AITOP's "How-to" desk. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Fable 5.2, Gemini, Kimi, 视频生成.
Source attribution: curated from AI Will (@FinanceYF5). Cross-source corroboration: 11 independent sources have covered this development (including berryxia, Andrew Curran, Simon Willison), confirming industry-wide signal strength.
