我們做了一個實驗，讓 Kimi K2.7 Code 和 Claude Fable 5 各製作 12 個登陸頁面來進行並排比較。總體來說，Kimi K2.7 Code 的成本比 Fable 5 低了大約 94%（便宜 16 倍），而且在我們透過一個設計 MCP 為 Kimi 提供適當的上下文後，輸出的品質也相當不錯。
我們已將研究結果以及 Claude Opus 4.8、Claude Fable 5 和 Kimi K2.7 Code 生成的所有變體，都發佈在 OVSC 網站 上。平均而言，Kimi 比 Fable 便宜約 16 倍，比 Opus 便宜約 8 倍。
來自 https://ovsc.vercel.app/ 的截圖
OVSC 網站讓你可以探索所有登陸頁面，以及總成本、Token 使用量和生成時間的詳細資訊。
為了了解我們如何進行這個實驗，我們首先建立了一個基準，看看模型僅從提示詞能產生什麼。
提示詞
我們從一組涵蓋不同類別的登陸頁面提示詞開始，包括 B2B SaaS、屋頂雞尾酒吧，以及一個用於 SQL 查詢的開發者工具。以下是我們使用的一些提示詞範例：
- 為一個能將 SQL 查詢轉換為圖表的開發者工具建立一個登陸頁面。
- 為一個屋頂雞尾酒吧建立一個登陸頁面——裝飾藝術風格、金箔與祖母綠、1920 年代的魅力。
- 為一個 B2B SaaS 新創公司建立一個登陸頁面——一個團隊專案管理與協作工具（任務、時間表、團隊工作流程、整合功能）。
我們將同樣的提示詞同時給了 Kimi K2.7 Code 和 Claude Fable 5。
以下是這些模型在被要求 「為一個能將 SQL 查詢轉換為圖表的開發者工具建立一個登陸頁面」 時所創建的頁面。
不幸的是，兩個模型製作的登陸頁面都明顯帶有 AI 生成的痕跡。
設計靈感 MCP 伺服器
我們設定了一個自訂的 MCP 伺服器，提供設計精美的登陸頁面截圖，以及個別的 UI 元素和其他視覺參考。由於 Kimi K2.7 Code 是多模態的，我們可以直接將這些圖片連同文字一起放入提示詞中。
這顯著改變了結果。Kimi 不再僅從一個簡短的提示詞生成佈局，而是能夠參考具體範例，掌握視覺語言，並將這些模式應用到新的頁面上。在實際操作中，結果展現了更強的層級結構、更好的排版和更精心的構圖。
以下是屋頂雞尾酒吧登陸頁面的前後對比：
有了設計靈感後，Kimi 生成的頁面載入速度更快，避免了破圖的佔位符，並使用了更易於閱讀的排版。
設計改進後，我們接下來想探討的是成本。
每個登陸頁面的成本
使用像 Kimi K2.7 Code 這樣的開源模型的好處之一就是成本。例如，這個 B2B SaaS 的登陸頁面使用 Kimi 僅花費 4 美分。同樣的提示詞使用 Claude Fable 則需要 1.09 美元，貴了將近 27 倍。
平均而言，我們用 Kimi K2.7 Code 生成的登陸頁面，成本大約是使用 Claude Fable 5 等專有模型的 16 倍。
在使用生成式編碼 Agent 時，你很少只生成一個版本的登陸頁面。更常見的情況是，你會生成多個變體，以便探索不同的設計方向、文案和頁面元素。然後，你會在那些有潛力的版本上進行迭代，透過反覆的實驗和調整來編輯和改進。經過來回多次測試，即使是像 SaaS 登陸頁面這樣簡單的東西，價格差異也會迅速累積。
如果你用 Kimi K2.7 Code 生成 100 個頁面，與使用 Claude Fable 5 這樣的專有模型相比，你將節省大約 94 美元。
較低的成本是一個明顯的優勢，但我們也想要一種比較結果品質的方法。
比較結果
生成登陸頁面後，我們想要一個系統性的方法來比較 Kimi 和 Fable。我們不僅僅看程式碼本身，而是看每個頁面的整體品質，包括定位、視覺方向、內容結構、工藝、響應式和技術執行。為此，我們給了 GPT-5.5 一個評分標準，讓它審查並評分每個頁面的截圖和原始碼，並給予一個 0 到 100 的最終分數。
以下是每個登陸頁面的分數：
Claude Fable 在兩個範例中得分都更高，但差距相對較小。Kimi 在設計、結構和整體頁面品質方面仍然具有競爭力，同時運行成本低得多。對於這種類型的工作流程，我們認為這個取捨是合理的。
最後的想法
像 Kimi K2.7 Code 這樣的開源模型已經能夠生成有用的登陸頁面，但我們的實驗表明，僅靠提示詞只是方程式的一部分。如果沒有更好的上下文，Kimi 和 Claude Fable 都傾向於產出精美但千篇一律的結果。
最大的改進來自於通過一個自訂的 MCP 伺服器為 Kimi 提供視覺靈感。一旦它能從截圖和設計參考中學習，頁面就變得更容易閱讀、結構更清晰，並且在視覺上更具意圖性。
結合較低的成本，這使得開源模型成為此類工作流程的實用選擇。如果你能為模型提供更強的輸入並進行低成本的迭代，你能取得的成果會出乎意料地好。
你可以在 together.ai 上嘗試像 Kimi K2.7 Code 這樣的開源模型。
