Kimi K2.7 Code 和 Claude Fable 5 生成落地页的实验对比分析

@nutlope 让 Kimi K2.7 Code 和 Claude Fable 5 分别生成 12 个落地页，进行并排对比。实验结果发布在 OVSC 网站上，同时包含 Claude Opus 4.8 的变体生成页面，可以查看总成本、token 用量和生成时间等详细数据。

实验设计
· 基础提示：使用相同提示集，涵盖 B2B SaaS、屋顶 Speakeasy 鸡尾酒吧、SQL 查询转图表开发者工具等不同类别。
· 初始结果：仅凭提示生成时，两个模型均产生明显“AI 生成感”的页面（布局通用、视觉平淡）。
· 优化策略：为 Kimi 设置自定义 Design Inspiration MCP Server，提供高质量落地页截图、UI 元素及视觉参考。由于 Kimi 支持多模态，可直接将图像纳入提示。这显著提升输出质量：层次结构更清晰、排版更优、构图更具意图性，页面加载更快、无破损占位图、易读性更好。

成本对比
· 单页成本示例：B2B SaaS 落地页，Kimi 仅需 4 美分，Claude Fable 则为 1.09 美元（约 27 倍差异）。
· 平均水平：Kimi 比 Fable 约 16 倍便宜，比 Opus 约 8 倍便宜。整体实验中 Kimi 总成本降低 94%（约 16 倍节省）。
· 迭代价值：落地页开发通常需生成多版本、迭代优化。低成本允许廉价快速实验，累积优势显著（如生成 100 页可节省约 94 美元）。

质量对比
使用 GPT-5.5 按标准化评分表（定位、视觉方向、内容结构、工艺、响应式、技术执行等）对截图和源码打分（0-100 分）。Claude Fable 在部分案例中得分略高，但差距较小。Kimi 在设计、结构和整体页面质量上保持竞争力，尤其在提供充足视觉上下文后，性价比优势突出。

关键发现
· 上下文至关重要：单纯提示难以突破通用 AI 风格；引入高质量视觉参考（MCP）能让开源模型实现质的飞跃。
· 开源模型实用性：Kimi K2.7 Code 在成本、速度和 token 效率上表现出色，结合强上下文输入后，已足以支持实际落地页工作流。迭代时优势更明显。
· 实验启示：开源模型正成为生成式编码智能体的现实选择，尤其适合需要大量变体探索的场景。