🆕 Charles Azam 独立基准测试：Fable 5 在 NP-Hard 优化问题上碾压 Sol，「/goal 赢了多数比赛却让均值更差」

> 🔑 补充条目 — 7月17日发布。独立研究者 Charles Azam 用自建 NP-Hard 光纤网络设计基准 KIRO（搜索空间 ~10^1223），对 Fable 5 / Opus 4.8 / Sonnet 5 / GPT-5.6 Sol / Terra / Luna 进行 30 分钟无提示基准测试。核心发现：(1) Fable 5 绝对统治——纯原始智能，plain mean 比 Sol 低 1,875 分（分数=总缆线长度，越低越好），plain 分值跨仅 319 点（Sol 跨 1,958 点）；(2) /goal 悖论——赢率 4/6 但两个模型均值均变差（Fable +759 / Sol +868 worse），因为目标模式偶尔放大坏决策；(3) Claude Code 的 /goal 用独立评估模型（Haiku）只读对话记录，Codex 的 /goal 让模型自己声明完成然后后台恢复——两种完全不同实现被称为同一功能。 > > 信号：这是目前最严谨的 Fable 5 vs GPT-5.6 Sol 独立基准测试。Fable 5 的优势不仅在常规编程（SWE-ben