Что в ролике важнее всего показывает сравнение Fable 5 и Codex 5.5?

Как разные агенты проходят последнюю милю: интерактив, физику, данные и самопроверку. Да: это живое сравнение failure modes, а не окончательный рейтинг всех моделей.

Почему один красивый экран магазина или дашборда не доказывает качество агента?

Потому что качество проявляется после кликов: checkout, сортировка, переполнение, реальные данные. Верно: первый экран может быть красивым, а пользовательский сценарий — пустым или сломанным.

Какой главный риск показывает история с отключением Fable 5?

Модель может быть сильной, но недоступной из-за политики, региона или регуляторики. Точно: доступность frontier-модели — отдельный продуктовый риск, не сводимый к качеству.

Почему Fable в ролике часто выглядит сильнее?

Он чаще выдаёт больше живого поведения и похоже лучше проходит циклы самопроверки. Да: отличие видно в поведении и доведённости, но часто ценой более длинного прогона.

Что стоит добавить в промпт для coding-агента после просмотра ролика?

Acceptance criteria и отдельный шаг: запусти, найди поломки, исправь критичные. Верно: self-check превращает генерацию в мини-цикл разработки, а не в одноразовый скриншот.

Разборы · Статья: 15 июня 2026 г. · Видео: 14 июня 2026 г. · 21 мин

Fable 5 против Codex 5.5: почему самопроверка важнее красивого демо

Name: Fable 5 Got Suspended... So I Tried Codex 5.5 xhigh (Same Prompts)
Uploaded: 2026-06-14T00:00:00.000Z
Description: AI Andy прогоняет шесть одинаковых промптов через Fable 5 и Codex 5.5 xhigh: от factory-игры и GTA-клона до магазина часов, дашборда, барабанов и мобильного ралли.

AI Andy прогоняет шесть одинаковых промптов через Fable 5 и Codex 5.5 xhigh: от factory-игры и GTA-клона до магазина часов, дашборда, барабанов и мобильного ралли.

ИИ Программирование Развлечения Будущее

Смотреть на YouTube

Fable 5 Got Suspended... So I Tried Codex 5.5 xhigh (Same Prompts)

AI Andy · 21 мин

Коротко

Видео показывает не «кто умнее вообще», а где coding-агент проваливает последнюю милю: физику, коллизии, мобильное управление, реальные данные и самоисправление. Fable 5 чаще выглядит как агент, который дольше проверяет себя и доводит идею до playable-состояния, а Codex 5.5 часто даёт красивый, но менее надёжный первый проход.

Объясни проще

Суть без жаргона

Простыми словами

Автор дал двум ИИ один и тот же набор задач: сделать маленькие игры и интерфейсы одним HTML-файлом. Codex часто быстро собирал красивую оболочку, но ломался на деталях: машина не едет, коллизии дырявые, текст залезает под элементы, данные не подключены. Fable чаще тратил больше времени и токенов, зато результат выглядел ближе к готовому продукту: больше самопроверки, лучше ощущение игры и меньше «пластиковых» недоделок.

Как ребёнку

Двум роботам дали одинаковые задания построить игрушки. Один робот быстро сделал красивые коробки, но у некоторых машинки плохо ехали и детали застревали. Второй робот дольше возился, зато чаще проверял, можно ли в это правда играть.

Оценка видео

Чем выше — тем больше пользы на минуту

4.1

средняя из 5

Актуальность информации 5.0

Свежий ролик на фоне директивы США, из-за которой Anthropic отключила Fable 5 и Mythos 5 для foreign nationals.

Содержательность 3.7

Шесть живых one-shot демо дают хорошую интуицию, но это не строгий бенчмарк и не равные условия по времени/токенам.

Инновационность идей 3.4

Идея «одинаковые промпты против двух агентов» не новая, но хорошо подсвечивает качество последней мили.

Практичность для разработчика 4.2

Полезно как чек-лист: проверяй не скриншот, а управление, коллизии, мобильный UX, данные и циклы самопроверки.

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 Один скриншот больше не доказывает качество

Codex часто выдаёт приятную первую картинку: магазин часов, дашборд, factory-схема. Но качество проявляется при кликах, ускорении симуляции, попытке ездить, покупать, подключать данные. Для coding-агента важнее не hero-screen, а второй и третий шаг пользователя.

02 Агентность видна в мелочах, которые модель сама проверила

Fable в ролике чаще выглядит так, будто прошёл дополнительный цикл «поиграть самому и поправить»: машины убегают, полиция преследует, ралли дрифтует, factory живёт. Это не просто дизайн — это способность не остановиться на первом компилирующемся результате.

03 Время и токены — часть качества, а не посторонняя метрика

Fable иногда тратит заметно больше времени и токенов, особенно на GTA и rally. Поэтому вывод не «модель бесплатно лучше», а «длинный автономный прогон с самопроверкой может купить качество там, где короткий one-shot обрывается».

04 Сильная модель без доступа превращается в теорию

Главный фон видео — не только сравнение демо, а внезапная потеря доступа к Fable 5. Для бизнеса это отдельный риск: модель может быть лучшей, но если её отключают по политике, регуляторике или региону, нужен запасной стек.

05 Промпты стали тестами продукта

Шесть задач работают как маленький acceptance-suite: factory, open-world, e-commerce, analytics, instrument, mobile game. Такой набор лучше показывает характер агента, чем один красивый landing page.

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

Тестируй агента действием, а не скриншотом

После генерации не смотри только на первый экран. Пройди сценарий: нажми кнопки, ускорь симуляцию, купи товар, попробуй сломать физику, открой на мобильном.

Пиши acceptance criteria прямо в промпт

Для игры укажи: машина должна возвращаться на трассу, коллизии не должны клинить, мобильное управление должно быть usable, после финиша нужен restart. Иначе агент выберет красивую видимость вместо рабочих краёв.

Логируй время, токены и число вмешательств

Сравнивать модели честнее по трём числам: сколько заняло, сколько стоило и сколько раз человек помогал. «Лучше» без цены и автономности быстро превращается в вкусовщину.

Давай агенту цикл самопроверки

Добавь в задачу отдельный шаг: запусти результат, перечисли 5 поломок, исправь 3 самые критичные. Именно такой цикл часто отделяет playable-прототип от красивой открытки.

Держи запасной модельный стек

Если продукт зависит от одного frontier-агента, заранее подготовь fallback: другая модель, другой провайдер, локальные тесты и минимальный режим без дорогой автономности.

Сравнивай по типам задач

Codex может быть хорош в дашбордах и форме checkout, но слабее в физике или мультимодальной «интуиции». Держи матрицу задач, а не один общий рейтинг.

Сценарии применения

Как разные люди применяют это на практике

Я как инди-разработчик игр

Проблема: ИИ делает красивую сцену, но управление и физика разваливаются через минуту

Хочу: понять, какой агент ближе к playable-прототипу

Поможет: разбор показывает, какие тесты нужны: дрифт, коллизии, возврат на трассу, рестарт, мобильное управление

Я как тимлид frontend-команды

Проблема: генерируемые демо выглядят эффектно, но ломаются на интерактиве

Хочу: встроить в ревью быстрый чек-лист качества

Поможет: можно проверять второй шаг пользователя: скролл, checkout, сортировку, реальные данные, переполнение текста

Я как основатель AI-продукта

Проблема: мой roadmap зависит от одной топовой модели, доступ к которой могут отключить

Хочу: оценить риск vendor lock-in и региональных ограничений

Поможет: видео показывает, что качество модели и доступность модели — разные риски, и оба надо закладывать в архитектуру

Я как преподаватель по вайбкодингу

Проблема: студенты верят первому красивому результату агента

Хочу: показать, как правильно сравнивать coding-модели

Поможет: шесть промптов дают живой материал для урока: один и тот же запрос, разные failure modes, разная автономность

Я как менеджер закупки AI-инструментов

Проблема: вендоры показывают впечатляющие демо, но непонятно, как выбрать

Хочу: смотреть на критерии, которые ближе к реальной работе

Поможет: получает язык для оценки: время, токены, автономность, self-check, устойчивость к edge cases, fallback при потере доступа

Логика повествования

Как устроена аргументация видео — пройди по шагам

Предпосылка Аргумент Пример Вывод

Предпосылка Инфоповод: Fable 5 внезапно отключили части пользователей

Автор начинает с потери доступа к Fable 5 и связывает это с директивой США по Fable/Mythos. Поэтому сравнение с Codex становится не просто тестом качества, а вопросом доступности frontier-моделей.
Аргумент Метод: одинаковые промпты, один проход, шесть задач

Factory-игра, GTA-клон, магазин Seiko, intelligence dashboard, барабаны и мобильное ралли. Это ближе к набору пользовательских сценариев, чем к строгому лабораторному бенчмарку.
Пример Codex часто выигрывает первый экран

У него бывают красивые дашборды, рабочие формы и визуально убедительные сцены. Но при стресс-тесте проявляются перекрытия, слабая физика, неработающие данные и отсутствие важных деталей.
Пример Fable чаще выигрывает ощущение готовности

В factory, GTA и rally результат выглядит более живым: больше поведения, лучше управление, сильнее чувство игры. Цена — больше времени и токенов.
Аргумент Настоящая метрика — последняя миля и автономность

Сравнение показывает: решает не только IQ модели, а способность дольше работать, запускать, проверять и исправлять.
Вывод Вывод: выбирай не модель-чемпиона, а надёжный процесс

Для реального продукта нужен harness: acceptance criteria, проверка интерактива, измерение цены и fallback на случай потери доступа.

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

Ролик ценен не тем, что окончательно «коронует» Fable или Codex. Это скорее маленькая лаборатория failure modes: одинаковые промпты, шесть разных типов задач и живые попытки автора нажимать, ездить, ломать, ускорять и смотреть, где демо перестаёт быть продуктом.

Где Codex хорош

Codex 5.5 xhigh в видео часто быстро собирает убедительную оболочку: factory-игра понятна с первого взгляда, дашборд выглядит аккуратно, магазин часов имеет checkout, GTA-клон вообще удивительно живой для one-shot HTML. Это сильный сигнал: для первого прототипа, интерфейсной формы, статичного дашборда или быстрой визуализации Codex уже может дать хороший старт.

Но почти в каждом примере есть «последняя миля»: текст залезает под элементы, физика клинит, реальные данные не подхватываются, мобильное ралли почти не едет. Это не мелочи, если пользователь должен не смотреть на демо, а пользоваться им.

Где Fable выглядит иначе

Fable 5 в ролике не просто «красивее». Он чаще создаёт ощущение, что агент сам дольше прожил внутри результата: factory продолжает развиваться, GTA выглядит аркаднее и живее, rally внезапно даёт настоящее чувство дрифта. При этом Fable часто тратит больше времени и токенов, поэтому честный вывод звучит так: автономность и самопроверка покупаются вычислением.

Самый практичный урок отсюда: когда просишь агента написать приложение, не останавливай его на первом рабочем HTML. Дай ему критерии, попроси запустить, сломать и поправить. Иначе ты сравниваешь не качество продукта, а красоту первого ответа.

Почему доступ важнее рейтинга

Фон ролика — отключение Fable 5 для части пользователей после директивы США. Автор справедливо нервничает: если одна группа людей или компаний получает доступ к лучшему агенту, а другая нет, это становится рыночным преимуществом. Для разработчика и бизнеса отсюда простой вывод: нельзя строить весь процесс вокруг одной недоступной или политически хрупкой модели.

В мире coding-агентов выигрывает не тот, кто один раз получил красивый экран, а тот, кто построил процесс проверки, умеет менять модель и честно мерит последнюю милю.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 5

Шаг 1. Собери свой mini-benchmark из 5 задач Возьми реальные задачи из своей работы: форму, дашборд, маленькую игру, импорт данных, мобильный сценарий. Прогони каждую модель одинаковым промптом.
Шаг 2. Добавь self-check в каждый прогон Попроси агента запустить результат, найти 5 поломок и исправить критичные. Отдельно сравни качество до и после self-check.
Шаг 3. Запиши цену качества Для каждой модели фиксируй время, токены, число ручных подсказок и итоговую пригодность. Это честнее, чем «мне понравилось».
Шаг 4. Проверь edge cases руками Кликай, скролль, ускоряй, открывай на телефоне, вводи странные данные. Именно там всплывают различия между демо и продуктом.
Шаг 5. Подготовь fallback Опиши, что будет, если лучший агент станет недоступен: альтернативная модель, урезанный режим, ручная проверка или перенос задач на другой стек.

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 5 Верно: 0

1. Что в ролике важнее всего показывает сравнение Fable 5 и Codex 5.5?
2. Почему один красивый экран магазина или дашборда не доказывает качество агента?
3. Какой главный риск показывает история с отключением Fable 5?
4. Почему Fable в ролике часто выглядит сильнее?
5. Что стоит добавить в промпт для coding-агента после просмотра ролика?

Словарь терминов

Понять незнакомое простым языком

Показать 5 терминов

Fable 5: Новая модель Anthropic, доступ к которой, по официальному заявлению компании, был резко ограничен директивой правительства США для foreign nationals.
Codex 5.5 xhigh: Режим OpenAI Codex/GPT-5.5 с высоким уровнем reasoning/effort, который автор использует как альтернативу Fable для агентного кодинга.
One-shot: Один прогон по промпту без дополнительных подсказок и ручной правки. Хорошо показывает стартовую автономность модели, но не равен реальному production-процессу.
Agentic index: Индекс/рейтинг агентных способностей, на который ссылается автор. В статье его стоит воспринимать как контекст ролика, а не как окончательное доказательство качества.
Acceptance criteria: Проверяемые условия готовности: что должно работать, где результат считается провалом, какие edge cases нельзя пропускать.