# 策展 · X (Twitter) 🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Composio (@composio) · 平台：X (Twitter) · 日期：2026-07-11

> 原始來源：https://x.com/composio/status/2075620151387619663

## 中文摘要

Composio 透過測試 GPT-5.6 Sol 與 Claude Fable 5 在 47 項 Agentic SaaS 任務的表現，揭示了模型決策風格對執行效率與成功率的影響。

**測試結果與模型行為差異**
Composio 針對 47 項真實的 Agentic SaaS 任務進行了 GPT-5.6 Sol 與 Claude Fable 5 的對決測試。研究發現兩者在執行策略上有顯著差異：
- Claude Fable 5 傾向於「三思而後行」，在採取行動前會進行多次檢查。
- GPT-5.6 Sol 則屬於「直覺型」模型，傾向於直接執行任務。

**效率與穩健性的權衡**
測試數據顯示，模型風格直接影響了執行過程中的 tool calls 數量與任務完成度：
- 當任務存在明顯的捷徑時，GPT-5.6 Sol 能精準識別並執行，跳過繁瑣的 schema 查詢與重複確認，有效減少了 tool calls 的次數。
- 然而，這種「直覺型」的執行方式也帶來了風險，GPT-5.6 Sol 在 47 項任務中失敗了 2 項。
- 相較之下，Claude Fable 5 憑藉其謹慎的重複確認機制，在該基準測試中達成了 47/47 的完美成功率。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/c80ad3d08170100b.jpg)
> 在多項 SaaS 任務中，GPT-5.6 Sol 的工具調用次數顯著少於 Fable 5，調用次數減少了 29% 至 71%，展現出更直接的執行路徑，但原文指出這也使其成功率（45/47）略低於 Fable 5 的完美表現（47/47）。

**技術觀察與建議**
Composio 指出，模型選擇並非絕對的優劣之分，而是取決於具體的應用場景。開發者在決定採用單一模型前，應先針對自身的實際工作負載進行基準測試，以評估模型在「執行效率」與「任務穩健性」之間的取捨是否符合專案需求。

## 媒體內容

**在多項 SaaS 任務中，GPT-5.6 Sol 的工具調用次數顯著少於 Fable 5，調用次數減少了 29% 至 71%，展現出更直接的執行路徑，但原文指出這也使其成功率（45/47）略低於 Fable 5 的完美表現（47/47）。**

**數據表**

|   | Fable 5 tool calls | GPT-5.6 Sol tool calls | Call reduction |
| --- | --- | --- | --- |
| Notion ambiguous target | 7 | 2 | -71% |
| Support SLA escalation | 8 | 3 | -63% |
| Sheets SQL recon | 11 | 7 | -36% |
| PostHog HogQL retention | 5 | 3 | -40% |
| Airtable poison batch isolate | 7 | 5 | -29% |
| GitHub repo access audit | 3 | 2 | -33% |

## 標籤

Agent, Benchmark, LLM, Composio, OpenAI, Anthropic