丹麥知名程式設計師DHH（David Heinemeier Hansson）公佈了一項橫向測試結果：在將Python庫轉換為Rust的同一程式設計任務中，不同AI模型的耗時與成本差異懸殊，但輸出結果卻完全一致。

測試中，Fable 以 45分鐘 完成，但成本高達 550美元；Soul/Grok 耗時約 1.5小時，成本約為前者的十分之一；而 DeepSeek Pro 用時 2小時45分鐘，成本僅為 23美元。DHH指出，三者生成的程式碼輸出完全相同。

這一結果凸顯了當前AI大模型領域的兩個趨勢：一是頂尖模型之間的效能差距正在縮小，至少在特定程式設計任務上，價格昂貴的模型並未展現出明顯優勢；二是成本差異巨大，使得AI服務的定價邏輯面臨重新審視。

對於企業使用者而言，若輸出質量相當，選擇高性價比模型將顯著降低研發成本。對於投資者而言，該測試可能引發對高價模型可持續性的討論，尤其是在開源或低價模型快速迭代的背景下。不過，單一任務的測試樣本有限，實際應用中模型在複雜邏輯、程式碼可維護性等方面的表現仍需更多驗證。