丹麦知名程序员DHH（David Heinemeier Hansson）公布了一项横向测试结果：在将Python库转换为Rust的同一编程任务中，不同AI模型的耗时与成本差异悬殊，但输出结果却完全一致。

测试中，Fable 以 45分钟 完成，但成本高达 550美元；Soul/Grok 耗时约 1.5小时，成本约为前者的十分之一；而 DeepSeek Pro 用时 2小时45分钟，成本仅为 23美元。DHH指出，三者生成的代码输出完全相同。

这一结果凸显了当前AI大模型领域的两个趋势：一是顶尖模型之间的性能差距正在缩小，至少在特定编程任务上，价格昂贵的模型并未展现出明显优势；二是成本差异巨大，使得AI服务的定价逻辑面临重新审视。

对于企业用户而言，若输出质量相当，选择高性价比模型将显著降低研发成本。对于投资者而言，该测试可能引发对高价模型可持续性的讨论，尤其是在开源或低价模型快速迭代的背景下。不过，单一任务的测试样本有限，实际应用中模型在复杂逻辑、代码可维护性等方面的表现仍需更多验证。