Fable 5 與 GPT-5.6 Sol 在 NP-Hard 問題上的表現：`/goal` 指令有助益嗎？

• 本文比較了 Fable 5 和 GPT-5.6 Sol 兩款 AI 模型在解決一個未公開的 NP-hard 最佳化問題 (KIRO 光纖網路設計) 上的表現，特別是探討了有無原生 /goal 模式 的影響。 • 實驗結果顯示，Fable 5 展現出卓越的 原始智慧 和高度 一致性，在測試中表現最佳。 • 儘管 /goal 模式 在大多數獨立試驗中獲勝，但其平均效能卻可能因此變差，甚至偶爾導致大幅度的 負面影響。 • 作者觀察到，/goal 指令並非通用的「再努力」開關，它會改變模型的控制迴圈和搜尋路徑。 • > 作者強調：「在一個艱難的最佳化問題上，迴圈的品質遠不如迴圈所持續做的事情的品質。」 • 換言之，模式的成敗取決於它所延續的決策品質，而非單純地提供更多執行時間。 • 此外，實驗也揭示了 Claude Code 和 Codex 在 /goal 實現上的根本差異，但兩者都展現了相似的效能特性。