写代码选谁？GPT、Grok、Gemini、DeepSeek 与 Kimi 的工程选型

SOURCE NOTES

对比要点

• 五家都有可用于编程或工具调用的模型，但一个 API 模型与完整代码代理不是同一产品。终端、编辑器、测试环境和权限控制仍是外围系统的职责。[1][2][3][5][6]
• Kimi K2.7 Code 的 HighSpeed 被官方描述为同一模型的高速版本；不要把速度档位理解为一个新能力层级。[6]
• DeepSeek 的带工具推理调用要求保留相应历史推理字段。接口兼容并不代表可以删掉所有供应商特有的会话状态。[4]

关键差异对照

窄屏可左右滑动查看完整表格。

模享解读 · 非原文观点

给所有候选模型同一份失败测试

与其让各模型自由生成一个不同的小项目，不如选择同一个有失败测试的仓库任务：给出相同版本、相同工具和同样的预算。记录是否修好问题、有没有破坏其他功能，以及人工需要修改多少内容。

前端任务再增加一条视觉验收线：在相同视口检查布局、可访问性与交互。API 的原生看图能力只是输入条件，是否真正保留设计约束仍须观察结果。不要让截图数量或宣传中的榜单分数替代本项目测试。

可以从这份清单开始

1. 固定仓库版本、测试集和工具环境。
2. 限制无关改动，统计返工量。
3. 同时测试成功执行、工具失败和重试。
4. 记录模型及框架版本，区分吞吐与整项任务耗时。