Kết quả thử nghiệm Fable 5 và GPT-5.6 Sol qua bài kiểm tra mô phỏng vật lý

Fable 5 đã trở lại! Đồng thời, có một mô hình mới trên thị trường: GPT-5.6, với những cái tên hoa mỹ như Sol, Terra và Luna. Không giống như bản nâng cấp của Fable 5 so với Opus, GPT-5.6 mang lại cảm giác cải tiến dần dần. Sự cải tiến thú vị không nằm ở trí thông minh thuần túy. Mà là ở khả năng sử dụng công cụ.

Điều đó liên quan mật thiết đến việc OpenAI phát hành đối thủ của Claude Cowork, ChatGPT Work (dường như là cái tên hay nhất mà đội ngũ marketing của OpenAI có thể nghĩ ra). Về lý thuyết, GPT-5.6 sẽ tốt hơn nhiều trong việc lập trình và các tác vụ khác yêu cầu công cụ.

Nhưng liệu có đúng như vậy? Quan trọng hơn, liệu nó có thể sánh được với Fable 5? Fable 5 đã nhận được một lượng quảng cáo rầm rộ đến mức phi lý. Khá nhiều điểm trong đó là chính xác, nhưng chưa từng có ai so sánh trực tiếp chúng với các phương pháp khác.

Lần này, hãy tìm ra một phương pháp dựa nhiều hơn vào vật lý và toán học. Và, để thiết lập một điểm chuẩn, một phương pháp ít được biết đến hơn cũng đã được thêm vào quá trình so sánh.

Xây dựng một trình mô phỏng vật lý

Không thư viện, không framework, và không prompt thứ hai

Như thường lệ với những bài kiểm tra này, cách tiếp cận tốt nhất là cho phép các mô hình tự do xem xét những lựa chọn mà chúng đưa ra. Tuy nhiên, vẫn cần có đủ các ràng buộc để kết quả có thể so sánh được. Chúng ta cần kiểm tra khả năng lập trình và toán học của chúng. Vì vậy, hãy chọn một trình mô phỏng chuyển động chất lỏng: Một canvas nơi người dùng có thể đổ các chất lỏng khác nhau, khuấy chúng, trộn màu và xem các hiện tượng vật lý diễn ra trong thời gian thực.

Tất nhiên, các thư viện cho việc này đã tồn tại (như WebGL Fluid Simulation tuyệt vời của PavelDoGreat trong hình trên). Nhưng việc sử dụng một thư viện sẽ biến nhiệm vụ thành bài tập về triển khai và thiết kế. Đó không phải là điều mong muốn. Ràng buộc chính rất đơn giản: không sử dụng thư viện vật lý bên ngoài. Mỗi mô hình phải tự viết code mô phỏng bằng JavaScript và cung cấp mọi thứ trong một file HTML duy nhất.

Cả 3 mô hình được chạy trong môi trường lập trình tương ứng của chúng và cho mỗi mô hình một lần chạy. Không có prompt tiếp theo. Kết quả trả về là kết quả cuối cùng.

Fable 5 cho kết quả đẹp nhất với hiệu năng tốt nhất

Fable 5 đạt được kết quả tốt nhất. Chỉ với một file HTML duy nhất, một trình mô phỏng chất lỏng hoàn chỉnh với 4 màu, điều khiển trọng lực và độ nhớt, kích thước dòng chảy và cọ vẽ có thể điều chỉnh, cùng các công cụ để đổ, đẩy và xóa chất lỏng, đã được tạo.

Điều quan trọng là, kết quả thực sự trông giống như chất lỏng. Bên dưới, Fable vẫn đang mô phỏng các phân tử. Mỗi phân tử có vị trí, vận tốc, màu sắc, mật độ và áp suất. Các phân tử lân cận đẩy và kéo lẫn nhau để duy trì thứ gì đó giống như mật độ chất lỏng.

Phần thông minh là Fable không vẽ trực tiếp các phân tử đó. Thay vào đó, nó rải chúng vào một trường có độ phân giải thấp, hợp nhất các phần lân cận, áp dụng ngưỡng và phóng to kết quả bằng cách làm mịn và tạo hiệu ứng phát sáng. Việc hiển thị trường ở độ phân giải bằng một phần tư cũng làm giảm lượng công việc xử lý pixel. Điều đó giúp nó vẫn có thể sử dụng được trên các máy yếu hơn mà không làm giảm hiệu ứng tổng thể.

Solver (bộ giải) cũng được thiết kế cẩn thận. Nó chia màn hình thành các ô nhỏ để mỗi phân tử chỉ kiểm tra những phân tử lân cận trực tiếp của nó. Nếu không có shortcut đó, 4.000 phân tử sẽ cần hàng triệu phép so sánh trong mỗi bước. Lưới không gian của Fable đã tránh được hầu hết công việc đó.

Nó cũng lưu trữ dữ liệu phân tử trong các mảng được phân bổ trước và chỉ xử lý mỗi cặp lân cận một lần. Điều này rõ ràng được viết với mục đích tối ưu hiệu suất, chứ không phải được thêm vào sau. Kết quả mang lại cảm giác mạch lạc, chắc chắn và mượt mà một cách thích hợp. Màu sắc dần dần hòa quyện vào nhau, và bề mặt biến dạng một cách thuyết phục khi bạn đổ hoặc đẩy nó xung quanh.

Nhưng... nó không hoàn hảo. Fable đã liên kết hai bước phụ vật lý của nó với tốc độ khung hình hiển thị. Ở tốc độ 60Hz, mọi thứ hoạt động như mong muốn. Tuy nhiên, trên màn hình 120Hz, mô phỏng có thể chạy nhanh gấp đôi trong khi thực hiện gấp đôi công việc vật lý.

Nó cũng load Tailwind từ CDN. Phần vật lý được viết hoàn toàn từ đầu, nhưng trang này không hoàn toàn không phụ thuộc vào bất kỳ thư viện nào khác. Tuy nhiên, những thiếu sót này không làm thay đổi kết quả tổng thể. Fable 5 đã tạo ra trình mô phỏng đẹp nhất trong 3 tùy chọn,. đúng như mong đợi.

GPT-5.6 thực sự là một bất ngờ

Để rõ hơn, các mô hình này đã được thử nghiệm trong môi trường làm việc và hoạt động chung để những nâng cấp về việc sử dụng công cụ thực sự có tác dụng. GPT-5.6 Sol hoạt động nhanh chóng. Từ những thử nghiệm một lần trước đó, GPT đã quen với việc tạo ra thứ gì đó về mặt kỹ thuật là hoàn chỉnh nhưng cần thêm một vài thao tác nữa trước khi nó có thể sử dụng được đúng cách.

Lần này, kết quả rất bất ngờ. GPT thực sự đã vượt trội hơn chính mình. Giống như Fable, nó chọn mô phỏng chất lỏng dựa trên phân tử. Không giống như Fable, nó không cố gắng che giấu các phân tử.

Mỗi phân tử xuất hiện dưới dạng một hạt nhỏ có màu. Các phân tử lân cận chống lại sự nén, chia sẻ vận tốc và từ từ trao đổi màu sắc. Kết quả sử dụng cùng một thủ thuật tổng quát như Fable: Ước tính mức độ đông đúc của vùng lân cận với mỗi phân tử, sau đó di chuyển các phân tử cho đến khi mật độ trông giống chất lỏng hơn.

Việc triển khai của GPT đơn giản, nhưng cũng mạch lạc hơn. Các giá trị mật độ, áp suất, độ nhớt và pha trộn màu sắc đều hoạt động trên những thang đo tương thích. Bạn có thể thấy hành vi giống như sự kết dính khi các phân tử kết tụ lại với nhau. Việc xử lý ranh giới và ma sát cũng khiến các lớp tiếp giáp với sàn và tường có hành vi khác với những lớp ở giữa.

Bạn thực sự có thể quan sát các tương tác cục bộ lan truyền khắp vật liệu. Lưới không gian của nó kém hiệu quả hơn so với phương pháp mảng kiểu của Fable, nhưng nó dễ đọc hơn và vẫn hoàn toàn hợp lý với số lượng phân tử đó.

Code của GPT có một lợi thế kỹ thuật so với Fable: GPT xử lý thời gian cẩn thận hơn. Vật lý của nó tiến triển theo thời gian đã trôi qua thay vì chạy cùng một lượng công việc một cách mù quáng sau mỗi khung hình được hiển thị. Điều đó có nghĩa là màn hình 120Hz không làm cho chất lỏng chạy nhanh gấp đôi. Ở đây, cách triển khai của GPT tốt hơn của Fable.

Điểm yếu duy nhất là hình thức. Chất lỏng trông giống như những phân tử nhỏ. Điều đó tốt hơn từ góc độ giảng dạy vì bạn có thể nhìn thấy các phân tử riêng lẻ và quan sát cách chúng tương tác. Tuy nhiên, về mặt hình ảnh, nó không bao giờ trở thành một khối chất lỏng liên tục.

Điều thú vị là, GPT không sử dụng bất kỳ dependency bên ngoài nào cả. Code CSS, giao diện, trình mô phỏng và code hiển thị của nó đều nằm trong một file HTML duy nhất. Điều thú vị hơn nữa là ChatGPT tự động lưu trữ file này dưới dạng trang web có thể chia sẻ với bất kỳ ai. GPT-5.6 Sol được sử dụng ở mức độ suy luận High. Xét đến kỳ vọng trước khi bắt đầu thử nghiệm, kết quả vô cùng ấn tượng.

Còn Grok thì sao?

Và đây là điều bất ngờ. xAI đã đẩy mạnh Grok như một đối thủ cạnh tranh với các mô hình chính, và lập trình hiện được cho là một trong những khả năng quan trọng của nó. Grok 4.5 là mô hình mới nhất.

Grok hoạt động nhanh. Nó cũng mở một tab trình duyệt để kiểm tra và gỡ lỗi, vì vậy kết quả cuối cùng được kỳ vọng sẽ ổn định. Thật không may, mọi thứ không như vậy.

Thoạt nhìn, kết quả của Grok có vẻ tham vọng nhất. Nó cung cấp 6 màu, 3 công cụ, trọng lực, độ nhớt, độ cứng áp suất, kích thước cọ, trộn và giới hạn phân tử có thể điều chỉnh. Nó cũng bao gồm vệt chuyển động, hiệu ứng phát sáng tùy chọn, ranh giới hiển thị và 4 thiết lập sẵn. Thoạt nhìn, đây có vẻ là công cụ có nhiều tính năng nhất.

Grok không có môi trường desktop kiểu Cowork, nhưng nó có công cụ lập trình dòng lệnh.

Phần footer tự hào tuyên bố rằng nó đã sử dụng “Native 2D SPH” với các kernel Poly6, Spiky và độ nhớt. Đó không phải là những thuật ngữ khoa học ngẫu nhiên. Grok đang cố gắng thực hiện một mô phỏng tham vọng hơn cả Fable hay GPT.

Thay vì di chuyển trực tiếp các phân tử cho đến khi chúng đạt được mật độ mong muốn, Grok đã cố gắng tính toán mật độ, chuyển đổi mật độ đó thành áp suất, chuyển đổi áp suất thành lực và tích hợp lực đó thành vận tốc.

Cách tiếp cận đó có thể hoạt động, nhưng cũng ít linh hoạt hơn nhiều. Khối lượng phân tử, bán kính làm mịn, mật độ, độ cứng áp suất, bước thời gian và đơn vị đều cần phải khớp nhau. Grok thì không. Các phương trình của nó tự nhiên tạo ra mật độ khoảng 0,02, nhưng nó đã cấu hình mật độ mong muốn là 2,8 — lớn hơn hơn 100 lần. Sau đó, nó che giấu sự không khớp bằng cách buộc mọi giá trị mật độ phải ít nhất là 0,12.

Điều đó có nghĩa là mọi phân tử đều bắt đầu với cùng một mật độ là 0,12 trong khi bộ giải mong đợi 2,8. Đối với mô phỏng, toàn bộ chất lỏng dường như có mật độ thấp một cách thảm hại. Phép đo trung tâm điều khiển toàn bộ bộ giải chất lỏng đã sai trước khi khung hình hiển thị đầu tiên kết thúc. Đó là một lỗi tương tự như lỗi của ChatGPT khi tạo ra trình mô phỏng hệ mặt trời.

Nó cũng chậm nữa. Grok đã kiểm tra điều gì khi nó mở một tab trình duyệt. Trang đã load, vậy điều đó có thể được tính là thành công?

GPT 5.6 mới là tùy chọn chiến thắng thực sự

Nếu đánh giá các công cụ này chỉ dựa trên kết quả canvas, Fable 5 sẽ thắng. Chất lỏng của nó trông giống như chất lỏng thực sự. Bộ giải của nó hiệu quả nhất, và trình kết xuất bề mặt độ phân giải thấp của nó là một cách thực sự thông minh để biến các phân tử thành chất lỏng thuyết phục.

Nhưng việc Fable 5 xuất sắc không còn đáng ngạc nhiên nữa. Chúng ta đã quen với điều đó. Với một mô hình có giá 10 USD cho mỗi triệu token đầu vào và 60 USD cho mỗi triệu token đầu ra, nó phải trông thật tốt. GPT-5.6 Sol có giá gần bằng một nửa, có thể được sử dụng thông qua gói đăng ký ChatGPT Plus hoặc Pro.

Xét cho cùng, GPT đã tạo ra một ứng dụng hoàn chỉnh, đã được kiểm thử, không phụ thuộc vào bất kỳ phần mềm nào khác chỉ trong một lần. Chất lỏng của nó trông không thuyết phục bằng của Fable, nhưng trình mô phỏng hoạt động tốt. Các chức năng điều khiển dễ hiểu. Hệ thống định thời gian tốt hơn, giao diện hoàn thiện hơn, và những hiện tượng vật lý dễ quan sát hơn.

Grok đóng vai trò như một cơ sở so sánh hữu ích, mặc dù có lẽ không theo cách mà xAI mong muốn. Ít nhất, nó cho thấy rằng việc mở trình duyệt và gọi kết quả là "đã kiểm tra" không có nhiều ý nghĩa. Việc sử dụng công cụ chỉ quan trọng khi mô hình biết cần đo lường cái gì.

Vì vậy, GPT-5.6 Sol mới là tùy chọn chiến thắng thực sự ở đây. Nó thắng vì Fable đáp ứng được kỳ vọng rất cao, Grok không đạt yêu cầu, và GPT là mô hình duy nhất thực sự gây ấn tượng.