HTML AI Battle 大比拚：Claude 領先 GPT、Gemini、Grok
觀察比較2025年12月至2026年2月間17場公開實驗中68個單檔HTML生成。以GPT、Gemini、Grok與Claude四種模型在固定公開介面、無客製指令下產出，採真人評分與Gemini裁判層評估提示遵循、功能正確與介面品質。主要發現：Claude整體表現最穩定且居首。
公開介面實測：Claude 在 HTML 生成表現最穩定
本報導重點：一項為期八週的觀察性比較整理「HTML AI Battle」專案中 68 筆單檔 HTML 生成，範圍涵蓋 17 個公開實驗，時間橫跨 2025 年 12 月到 2026 年 2 月。比較對象為 GPT、Gemini、Grok 與 Claude 四大家族模型。
研究遵守固定公開介面，未使用客製化指令、個性調教或修正提示。每份輸出以瀏覽器畫面錄影交由真人評分，同時引入 Gemini 作為 LLM 裁判層，針對提示遵循度、功能正確性與介面品質進行評估。結果亦被封裝為標準化社群媒體格式以便跨平台展示。
主要發現包含：Claude 在主要人類加權分上表現最強且最一致；較長的推理時間並未普遍帶來更高品質；Gemini 作為裁判在功能正確性與整體表現上比真人寬鬆，且顯示自利偏向。探索性的預測分析顯示，選定技術或音訊變數不足以穩定預測 X 的 24 小時觸及，而 HTML 行數（冗長度）則更多由模型家族決定，單純以模型家族作為基準反而比考慮提示差異的模型更能解釋變異。
作者也指出，研究仍屬觀察性比較，受到公開介面浮動、存取路徑差異與以單一主要人類評分者為限的限制，解讀需謹慎。
延伸閱讀
原始來源：ArXiv AI
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
