Peter Gostev 把 Fable 5.2 和 Opus 放在 100 多次生成任务里逐轮对比。

Crypto Briefing 的报道只给出这两个模型名、对比规模和“100 多次生成”这一口径，没有披露具体评分维度、胜负数或测试任务类型。

· 把生成次数当样本量看，能说明的是测试次数，不等于模型能力的量化结论。
· 在没有逐项结果前，谁更强只能算这次对比的主持人说法，不能当作结论。

如果只给你看总胜率，你更想先要逐项得分还是原始生成样本？