一个 prompt，六小时：Opus 5.5 与 GPT-6 Astra 用《看不见的城市》打了一场 vibe coding 擂台

这是 vibe coding 迄今最极端的一次公开实验：人类只说一句话，接下来六个小时，机器自己干活，人不插手、不回答问题、不改需求。10 月初，开发者 Piotr Migdał 在 Quesma 公司博客上公布了这场双模型对照——同一个 prompt，分别交给跑在 Codex 上的 GPT-6 Astra 和跑在 Claude Code 上的 Claude Opus 5.5，任务是把卡尔维诺《看不见的城市》里的 55 座想象城市做成 three.js 可视化。实验在 Hacker News 上拿下 274 points、144 条评论，dev.to 也在 10 月 8 日 18:00 的 digest 里收录了它。一个说明：Quesma 博客原文页面本身没有标注发布日期，10 月 8 日 / 9 日这个时间窗口是根据 dev.to 收录和 HN 提交记录倒推出来的，写作里不把它说成原文标注的日期。

一个 prompt，六个小时

实验的全部输入，就是下面这一个 prompt，一字不差：

Make a three.js (pnpm) visualization of all Invisible Cities by Italo Calvino. Don't ask questions, it is a one-shot task. You have 6h of work, use it until it becomes a masterpiece.

关键词是 "Don't ask questions"。正常的 agent 工作流里，模型遇到歧义会停下来问你：数据源从哪来？视觉风格要哪种？交互要做多深？Migdał 直接把这条路堵死了——不许提问，一次成型，六个小时随便用，目标是 "masterpiece"。

选《看不见的城市》当考题也很讲究。这不是"把 CSV 画成柱状图"那种有标准答案的任务。卡尔维诺笔下的 55 座城市全是文学想象——没有经纬度，没有卫星图，连"长什么样"都没有唯一解。模型得先自己"读懂"文本意象，再把它翻译成 3D 空间、颜色、动效和交互。这活儿里至少一半是审美判断，一半是工程实现，正好卡在"设计"和"解谜"的分界线上，拿来对照两个模型的气质再合适不过。

两份成绩单：53 分钟对 85 分钟

先看 GPT-6 Astra。它用了 53 分钟交卷，token 花费约 10 美元。快、便宜，一气呵成。

再看 Claude Opus 5.5。它用了 1 小时 25 分钟，派出了 6 个并行 subagent，合计约 7 个 agent-hour，token 花费约 74 美元。最有意思的细节是它没用完配额——按作者引述，模型自己的原话是 "I used roughly half of the six hours"，只用了六小时里的大约一半，提前收工了。

• GPT-6 Astra（Codex）：53 分钟，约 $10 token
• Claude Opus 5.5（Claude Code）：1 小时 25 分钟，6 个并行 subagent、合计约 7 agent-hours，约 $74 token，提前收工

Migdał 的结论很克制，但每个词都有信息量：Astra 在解谜类任务上是 "a jump"（一次跃升），Opus 5.5 在设计类任务上是 "a jump"。注意他没说谁赢了——他说的是两个模型各自在不同类型的任务上实现了跃升。这不是擂台，这是分工。

从"结对"到"异步"：vibe coding 的极限形态

这个实验真正值得讨论的不是输赢，是工作方式。过去两年我们谈 vibe coding，谈的其实是"人机结对"：人描述意图，模型写代码，人 review，人改 prompt，循环往复。人的注意力始终在线，是流水线上的质检员，离开一会儿就可能翻车。

Migdał 的实验把人从回路里摘出去了。六个小时里，人类唯一的产出就是开头那一句话。模型自己规划、自己写、自己改——Opus 5.5 甚至自己判断"我只用一半时间就够了"，提前交卷。这已经不是结对，这是异步：你把任务扔进一个黑盒，几小时后回来验收，中间该干嘛干嘛。

这种形态成立的前提，是模型在无人值守的长程任务里不跑偏、不塌房。六小时、7 个 agent-hour 的自主工作，放在一年前是不可想象的：当时的 agent 跑半小时就会陷入循环、改崩代码，或者停下来等你拍板。"提前收工"这个细节比任何 benchmark 分数都更能说明问题——它不是撑满六小时硬熬，而是自我收敛，判断"够了"。长程任务里的自我收敛能力，是"人机异步"真正的门票。有了这张门票，vibe coding 才从"高效结对"变成"人力外包"：你的时间不再是瓶颈，模型的自主度才是。

设计类任务的分水岭：选模型先看任务类型

回到 "a jump" 的结论，翻译成选型指南就是：解谜找 Astra，设计找 Opus 5.5。

解谜类任务——逻辑链条长、答案相对唯一、需要严密推理的活，比如写解析器、修并发 bug、解算法题，Astra 可能是更快更便宜的答案。设计类任务——审美判断多、没有标准答案、要在开放空间里做取舍的活，比如把 55 座文学里的想象城市变成可交互的 3D 可视化，Opus 5.5 的溢价可能是值得的。

"a jump"这个说法还暗示了一层更大的背景：设计类任务曾经是所有大模型的短板。讲逻辑模型都行，一到"好不好看、好不好玩"就露怯。而现在，这个鸿沟正在被填平。当设计不再是模型的弱项，"一句话做出一个像样的视觉作品"就从 demo 变成了常规操作，vibe coding 的适用边界往外扩了一大圈。

有意思的是，这不是 Opus 5.5 第一次在这种"一句话长任务"里露面。此前 Ryan Sael 用 Opus 5.5 一次性做了一个交互式 lens lab，花了 1 小时 26 分钟、25.66 美元 token。两次实验的时间尺度惊人地一致——都是一小时出头，成本都在几十美元量级。"一句话 + 一小时 + 几十美元"正在成为这类任务的典型画像：不是偶然跑通一次，而是一个可复现的工作模式。

$10 对 $74：一笔必须算的账

53 分钟 / $10 对 85 分钟 / $74：成本差了 7 倍多，时间差了 1.6 倍。只看数字，Astra 完胜。但这笔账不能这么算。

首先，Opus 那边烧的是并行算力：6 个 subagent 同时推进，合计 7 个 agent-hour，但墙钟时间只多了半小时。你买的不是"更慢"，是"更宽"——六个并行的探索分支，最后收敛成一个作品。在设计任务里这是合理的：好设计本来就是先发散再收敛，单线程硬憋反而容易陷入局部最优。

其次，成本要对照产出。$74 买的是一次无人值守的完整交付：从一个 prompt 到可交互的在线 demo（p.migdal.pl/invisible-cities-opus-5.5 可直接体验），再到完整开源的源码（github.com/stared/invisible-cities-opus-5.5）。如果这是一个"设计 + 前端"的小外包活，$74 连一小时的人力都买不到。vibe coding 的成本账，分子永远是 token，分母应该是"替掉了多少人力小时"——这么算，$74 便宜得离谱。

但反过来说，$74 也不是小钱。按这个单价，一天跑十个这样的任务就是 $740，一个月下来两万多美元。这正是这篇博客最实在的贡献：它把 $10 和 $74 并排放在同一页上，逼你正视预算管理。什么时候用 $10 的快枪手，什么时候值得开 $74 的并行舰队，得有个章法——任务类型分流（解谜 vs 设计）就是章法的第一条。等 agent 任务变成日常开支，"token 预算"会和"云账单"一样，成为每个团队的必修课。

冷静一下：demo 不是生产代码

话说回来，这种实验有个天然的局限：它的验收标准是 "masterpiece"，不是"可维护""可测试""可上线"。可视化 demo 的容错率极高——少画一座城市没人发现，帧率低点没人投诉，代码写得丑只要跑起来就行。生产代码的验收标准完全是另一套：边界情况、错误处理、长期可维护性，每一项都是 demo 里可以蒙混过关、线上会半夜把你叫醒的东西。

所以别急着把"六小时无人值守"外推成"六小时写完一个生产系统"。这个实验能证明的是上限——模型在开放创意任务里的自主工作能力；不能证明的是下限——在约束极强的工程任务里，它会不会为了"交卷"而牺牲正确性。demo 和 production 之间，还隔着 code review、测试和线上事故三道坎，每一道都可能把"无人值守"打回"有人兜底"。

另外，实验的样本量是 1：一个 prompt，两个模型，各跑一次。Astra 的 53 分钟里有没有运气成分？Opus 的 6 subagent 策略是不是每次都有效？换一道题结论还成立吗？都不知道。对照实验的价值在于提出好问题，不在于给出定论。把它当选型参考可以，当采购依据还太早。

结语：一句话正在变成新的"编译器"

把时间线拉长看，这场实验标志着一个转折：prompt 正在从"对话的开场白"变成"任务的编译器"。以前你写 prompt 是为了和模型多轮拉扯，现在你可以写一个 prompt，然后去干别的事——模型自己规划、自己执行、自己收尾，回来验收就行。从"人机结对"到"人机异步"，省下来的不只是打字的时间，更是注意力的占用。

而 "a jump" 的双黄蛋说明，模型的能力版图正在分化：没有通吃的冠军，只有对任务类型的适配。2026 年的 vibe coding 玩家，手里应该有两张牌——解谜的快枪手和设计的舰队——以及一张分得清什么时候出哪张的账本。Migdał 用 55 座想象城市告诉我们的，差不多就是这件事：在正确的任务上，给对模型一句话和六小时，它还你的可能是一件 masterpiece 级别的作品；至少，是一个让你重新算账的起点。

一手来源：Quesma 博客原文（页面无日期戳，时间窗口据 dev.to 10-08 digest 与 HN 10-09 提交记录推断）。可交互 demo 与完整源码见正文链接。