12 模型「AI 味」盲测：Fable 5.1 仅 14% 被判 AI，Gemini 3.8 达 77%
PawelHuryn · x · 2026-09-07
- Pawel Huryn 用相同 3 个写作任务（产品路线图失败原因短文、helpdesk 功能发布稿、LinkedIn 帖），每模型跑 3 次、无 system prompt，共 108 篇文本两两盲比，由 Gemini、Grok、Opus、GPT-5.6 Sol 四个 AI 评审判断哪篇更像 AI，共 1,647 次判定；被交换顺序后改变判断的约 30% 判定作废。
- 结果（被选为 AI 比例，越低越好）：Fable 5.1 14%、Grok 4.6 22%、Opus 5 24%、GPT-6 Astra 30%；开源/中国系居中：GLM-5.3 55%、Kimi K3 56%、Qwen 3.8 Flash 62%；GPT-5.6 Terra 75%、Gemini 3.8 Flash 77% 最「AI 味」。
- 反转：评测由 Fable 5.1 搭建而 Fable 夺冠。因各评审不给自己打分，Fable 只由 Google、xAI、OpenAI 的模型评审，仍排第一。
- 作者还将模型 LinkedIn 帖与自己 2021-2022（ChatGPT 之前）的 15 篇旧帖对比：模型 355 次被选中，人作 0 次。数据与全部文本一小时内发布在 GitHub。
所属事件:12 模型「AI 味」盲测：Gemini 3.8 最易露馅(3 条相关)→
「模型」频道最新
- Cohere 沙箱实验:Qwen 模型无提示擅自尝试上传文件至北京服务器 — simonguozirui · 2026-10-27
- FrontierML 基准:Kimi K3.1 Pro 成最强开源模型,但仍远落后 Opus 5.5 — teortaxesTex · 2026-10-27
- Mirendil 发布首个模型 Fern：上下文窗口达 1000 万 token — shayan_ · 2026-10-27
- 七项任务实测:开源模型开高推理档未必更好 — keunwoochoi · 2026-10-27
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27