Независимое исследование, GPT-5.6, 16 августа 2026
Что даёт более высокий уровень усилий в реальной задаче по веб-дизайну?
Я дал GPT-5.6 Luna, Terra и Sol один краткий промпт для первого экрана сайта на каждом уровне усилий. Одна задача. Одна область оценки 1440×900, о которой модели не знали. Без примеров и доступа к моему сайту.
Это развитие знакомой SVG-матрицы на более прикладной задаче. Здесь модель собирает самодостаточный первый экран сайта на HTML, CSS и JavaScript: он должен одновременно передать продуктовый аргумент, задать информационную архитектуру, типографику и взаимодействие. Тест охватывает начальную область рендера, а не готовность к публикации. Simon Willison: исходная 18-ячеечная матрица GPT-5.6 с пеликаном
3 модели × 6 уровней. На каждую запланированную ячейку приходится ровно одна завершённая страница; показаны все 18. Ни один завершённый ответ не редактировался, не заменялся и не исключался.
В этих 18 единичных примерах уровень усилий менял время, токены и цену. Матрица показывает вариативность решений, но не измеренный рейтинг визуального качества.
- протестированных страниц
- 18
- модели
- 3
- уровней усилий
- 6
- расчётная общая стоимость
- $4,74
Все 18 первых экранов
В каждой строке один уровень усилий, в каждом столбце одна модель. Нажмите на любой первый экран, чтобы открыть исходный рендер 1440×900.
none
Открыть 1440×900 ↗$0,0065, 1 мин 40,9 с, вывод 5 381, рассуждение 0
загрузился без переполнения
Открыть 1440×900 ↗$0,0779, 1 мин 59,6 с, вывод 6 476, рассуждение 0
загрузился без переполнения
Открыть 1440×900 ↗$0,2274, 2 мин 19,6 с, вывод 7 566, рассуждение 0
загрузился без переполнения
low
Открыть 1440×900 ↗$0,0051, 1 мин 17,4 с, вывод 4 194, рассуждение 47
загрузился без переполнения
Открыть 1440×900 ↗$0,0671, 1 мин 42,5 с, вывод 5 574, рассуждение 67
загрузился без переполнения
Открыть 1440×900 ↗$0,2683, 2 мин 43,3 с, вывод 8 929, рассуждение 66
загрузился без переполнения
medium
Открыть 1440×900 ↗$0,0098, 2 мин 28,3 с, вывод 8 178, рассуждение 164
загрузился без переполнения
Открыть 1440×900 ↗$0,0968, 2 мин 27,3 с, вывод 8 049, рассуждение 86
горизонтальное переполнение: 190 px
Открыть 1440×900 ↗$0,3680, 3 мин 42,2 с, вывод 12 253, рассуждение 250
загрузился без переполнения
high
Открыть 1440×900 ↗$0,0193, 4 мин 52,6 с, вывод 16 101, рассуждение 748
загрузился без переполнения
Открыть 1440×900 ↗$0,1579, 3 мин 58,4 с, вывод 13 141, рассуждение 250
загрузился без переполнения
Открыть 1440×900 ↗$0,4208, 4 мин 20,7 с, вывод 14 012, рассуждение 280
загрузился без переполнения
xhigh
Открыть 1440×900 ↗$0,0197, 4 мин 57,9 с, вывод 16 435, рассуждение 1 552
загрузился без переполнения
Открыть 1440×900 ↗$0,1683, 4 мин 14,0 с, вывод 14 008, рассуждение 483
загрузился без переполнения
Открыть 1440×900 ↗$0,7644, 7 мин 42,2 с, вывод 25 464, рассуждение 5 832
горизонтальное переполнение: 180 px
max
Открыть 1440×900 ↗$0,0381, 9 мин 33,3 с, вывод 31 727, рассуждение 11 419
загрузился без переполнения
Открыть 1440×900 ↗$0,5928, 14 мин 57,3 с, вывод 49 388, рассуждение 26 542
загрузился без переполнения
Открыть 1440×900 ↗$1,4341, 14 мин 28,8 с, вывод 47 787, рассуждение 21 401
загрузился без переполнения
Открыть общую таблицу 4574×5830Что действительно показывает этот прогон
Показанные примеры не сошлись к одному стилю.
В этой выборке каждый уровень усилий дал иную визуальную идею, иерархию и плотность. Это описание показанной матрицы, а не доказательство того, что более высокий уровень усилий в среднем не улучшает визуальное качество.
Max был крупнейшим отдельным уровнем по затратам.
Три ячейки max стоили $2,06, то есть 43,5% общей расчётной цены, и занимали в среднем 13 минут на запрос. Три ячейки none стоили $0,31 и занимали около 2 минут: примерно в 6,6 раза дешевле и в 6,5 раза быстрее. Две разнесённые по времени партии ограничивают сравнение задержки между моделями.
Luna была самой дешёвой в этом ценовом срезе.
Все шесть страниц Luna загрузились в рамках заданной проверки первого экрана; их суммарная расчётная стоимость составила $0,099. Шесть страниц Sol стоили $3,48, то есть примерно в 35 раз больше. Это сравнение цены токенов, а не качества дизайна, взаимодействий или готовности к публикации.
Переполнение по горизонтали возникало немонотонно.
В заданной проверке первого экрана все 18 страниц загрузились без исключений исполнения, ошибок консоли и внешних запросов. Переполнение свыше 1 px было только у Terra medium (190 px) и Sol xhigh (180 px). Это не вывод о других дефектах или работе взаимодействий.
Методика: минимум художественных указаний
Творческий промпт задаёт только цель продукта, желаемый эффект для аудитории и светлую тему. Отдельная техническая инструкция ограничивает формат ответа, но не дизайн.
Точный промпт пользователя
Create a complete, self-contained website hero for a product that helps organizations safely operate autonomous AI agents in production.
The goal of the site is to make technical decision-makers interested in the product.
Use a light theme.Точное ограничение формата
Return only one complete self-contained HTML document beginning with <!DOCTYPE html>. Put all CSS and JavaScript inline. Do not use external assets, Markdown fences, or explanatory text.Запуск и проверка
- Знаменатель: 18 запланированных ячеек, 18 запросов к моделям, 18 завершённых HTML-ответов и 18 показанных страниц. Повторных запросов к моделям: 0. Отредактированных, исправленных, заменённых или исключённых завершённых ответов: 0.
- Запросы шли двумя параллельными партиями, а не одним одновременным запуском. Luna стартовала 15 августа 2026 года в 23:04:50 UTC: шесть запусков уложились в 73 мс. Terra/Sol стартовали 16 августа в 08:49:15 UTC: двенадцать запусков уложились в 96 мс, на 9 ч 44 мин 24,643 с позже. Поэтому различия в задержке и поведении между моделями могут отражать разные условия сервиса или разные псевдонимы моделей.
- Размер области просмотра моделям не сообщался. После генерации каждый точный HTML-ответ отдавался локально и проверялся при 1440×900 в Chromium 150.0.7871.186. Снимки экрана показывают только начальную область просмотра; мобильные результаты не генерировались и не вставлялись.
- Проверка наблюдала страницу от навигации через Page.loadEventFired и document.fonts.ready до дополнительных 500 мс ожидания. Она фиксировала исключения Runtime, вызовы console.error и сетевые запросы ко всему, кроме локального компьютера, data: и about:blank; таймаут события загрузки составлял 30 секунд.
- Горизонтальное переполнение рассчитано как max(documentElement.scrollWidth, body.scrollWidth) минус window.innerWidth. Клики, отправка форм, поведение всей страницы и работа после публикации не проверялись.
- Каждый исходный ответ начинался с одного <!DOCTYPE html>, содержал ровно один HTML-документ, не имел Markdown-обёртки и внешних ссылок на стили, скрипты или медиаресурсы и побайтно совпадал с отрендеренным HTML. SHA-256 и размер каждой ячейки опубликованы в JSON.
- Модели не получали снимки экрана, CSS, фирменные материалы, содержимое stranmor.com, внутренние промпты или контекст навыков. Они получили техническое ограничение формата выше, включая запрет внешних ресурсов; это сужает пространство решений, хотя и не задаёт эстетику.
- Учёт токенов: 1 584 входных + 294 663 выходных = 296 247 всего. 69 187 токенов рассуждения указаны внутри output_tokens_details и повторно не прибавляются.
Зачем делать это вместо ещё одного SVG-теста?
Визуальные сравнения уровней усилий уже есть. Simon Willison опубликовал 18 SVG с пеликаном на велосипеде для той же матрицы GPT-5.6 3×6; PlayCode затем использовал SVG с MacBook, чтобы точнее оценивать геометрию. Эти тесты изолируют рисование. Здесь проверяется, как те же уровни усилий меняют самодостаточный первый экран сайта при кратком промпте. Simon Willison: исходная 18-ячеечная матрица GPT-5.6 с пеликаном
Поисковая проверка на 16 августа 2026 года нашла общие сравнительные таблицы GPT-5.6 и SVG-матрицы, но не публичное сравнение, где Luna, Terra и Sol создают один и тот же самодостаточный первый экран сайта на всех шести уровнях усилий. Это результат ограниченного поиска, а не утверждение, что такой страницы нигде не может существовать.
Границы вывода
- На каждую пару «модель и уровень усилий» приходится один результат, поэтому тест не оценивает среднее визуальное качество и разброс.
- Luna и Terra/Sol запускались двумя партиями с разницей 9 ч 44 мин. Различия задержки и поведения между моделями не отделены от изменений условий сервиса или псевдонимов моделей.
- Проверялась одна узкая категория: светлый первый экран для корпоративного продукта о безопасной эксплуатации автономных ИИ-агентов. Для других продуктов, языков и жанров результат может измениться.
- Время включает API-маршрут и сеть; это не чистое время вычислений модели.
- Стоимость рассчитана по токенам и публичным ценам OpenAI API, зафиксированным 16 августа 2026 года. Цены могут меняться.
- Автоматическая проверка охватывает одну начальную загрузку на компьютере и видит загрузку, переполнение, внешние запросы, ориентиры на странице, правила фокуса и отключённой анимации в CSS. Она не проверяет взаимодействия, всю страницу, готовность к публикации и не решает, красив ли дизайн или убеждает ли он человека.
Источники и данные
- OpenAI: руководство по уровням усилий
- OpenAI: семейство моделей GPT-5.6
- Simon Willison: исходная 18-ячеечная матрица GPT-5.6 с пеликаном
- PlayCode: тест отрисовки SVG на MacBook