做 AI 视频课程研发的创作者 PONYO（波妞）在 Anthropic 发布 Claude Code Dynamic Workflows 之后，写了这篇 ZenMux 实测。
一句话结论：ZenMux 最有价值的地方，不只是"接入模型多"，而是把多模型对比、成本记录、智能路由和稳定性保障放进同一个工作流里，减少创作者每天反复切平台的心智消耗。
真实工作场景实测
PONYO 的日常很大一块是写 AI 图片和视频的生成提示词。实际操作中最费时间的不是写提示词本身，而是在不同模型之间来回切换、对比、调整。一个画面描述，通常要丢给 Claude 写一版，再丢给 GPT 写一版，有时候还会用 DeepSeek 跑一个低成本的版本做对照。三个模型、三个平台、三套账号、三份账单。每次切换都要重新登录、找对话、复制粘贴，一天下来光在"切平台"上就能浪费一两个小时。
她用 ZenMux 做了一个真实测试：用同一个提示分别调用三个模型，描述一个北欧风客厅的 before/after 改造画面，要求提示词能直接用在主流的 AI 视频生成工具上。
Claude：结构化能力最强，会自动把画面拆成前景、中景、背景三个层次，镜头语言描述得很专业。但有时候"想太多"，写出来的提示词偏长，直接丢给生成工具可能需要删减。
GPT-4o：画面感最好，用词偏视觉化和情绪化，会加很多氛围描写，比如"晨光透过亚麻窗帘洒在木地板上"这种。如果对画面调性有明确要求，输出通常更接近"拿来就能用"的状态。
DeepSeek：性价比之王。输出质量不算顶尖，但完全够用，成本大概是 Claude 的几分之一。PONYO 一般用它来做初筛：先快速跑十几个版本，挑出方向感最好的，再用 Claude 或 GPT 精修。
关键体验：全程不换页面
三个模型的切换，全程没有离开 ZenMux 的界面。不换网页、不换 API Key、不重新登录。就在同一个地方，选模型、发送、看结果、再换一个。
ZenMux 后台还有统一的账单和用量看板，每个模型用了多少 token、花了多少钱、调用了多少次，全部一目了然。这不只是方便——做课程会涉及成本分析，告诉学员"批量跑提示词的成本大概是多少"，以前只能估算，现在直接拿后台数据。
ZenMux 官网：zenmux.com