最近國產(chǎn)大模型集體刷屏。Kimi K3,目前最大的開源模型;GLM-5.2,MIT 許可能商用;還有 DeepSeek-V4,一個個都號稱 coding 能力屠榜,某些項超過了 GPT、超過了 Claude。榜分是好看。但做過開發(fā)的都知道,榜分和「真寫代碼好不好用」是兩回事。所以我沒看榜,直接調(diào)它們的 API,拿兩道有陷阱的真實編程題,讓它們真跑一遍,和 Claude 同題對比,再跑測試用例驗證對錯。今天(8 月 1 號)真調(diào)的,一手結(jié)果。先說能力。結(jié)論是:真追平了。我出的第一道題是解析時長字符串(把「1h30m」轉(zhuǎn)成 5400 秒這種),里頭埋了八個邊界陷阱:順序錯、重復單位、純數(shù)字沒單位、負數(shù)、未知單位、空格、大寫……一共十九個測試用例。結(jié)果:Kimi K3、DeepSeek-V4-Pro、智譜、還有 Claude,全部滿分十九比十九。Kimi 的編程專用版 K2.7-code 差一個,唯一錯那個還是它主動把前后空格去掉了(算它更寬容,不算錯)。第二道題更刁一點,版本號比較(「1.2.10」和「1.2.9」誰大),埋了前導零、段數(shù)不同、要按數(shù)值比、別按字符串比這幾個坑。Kimi K3 和 DeepSeek-V4-Pro 給出來的代碼,和 Claude 幾乎一字不差,都對。所以「國產(chǎn)模型 coding 追上第一梯隊」,不是營銷話,我實測確實追平了。這類有明確對錯的編程題,它們和 Claude 一個水平,答案又對又簡潔。但我得誠實說一句:這兩道常規(guī)題,我沒測出誰「超過」誰。大家都對、都簡潔,是打平,談不上碾壓。要真分出高下,得上那種極難的題;可對大多數(shù)人的日常編程,這個水平已經(jīng)夠用了,和 Claude 沒什么差別。真正值錢的發(fā)現(xiàn),在第二部分:能力追平了,速度和可用性,差得遠。這是榜分不會告訴你的。先說 GLM-5.2,它是這波里 coding 榜單最亮眼、最高調(diào)喊「超過 Claude」的一個?？晌艺嬲{(diào)它,智譜官方接口直接 429,限流;換火山的免費接入點,等了兩分鐘,一個字都沒出來。榜分再高,免費渠道你根本用不上。我退而調(diào)了智譜能連通的 glm-4.7,滿分,三十八秒,說明智譜的模型能力是在線的,但那個屠榜的 5.2,普通開發(fā)者想免費用,門都沒有。DeepSeek-V4-Pro,答案對,但它是個「先想再答」的推理模型,一道題要想二十多秒。Kimi 的編程專用版 K2.7-code,也對,可一道簡單題它要五十七秒,比通用的 K3 還慢一倍多。這輪里綜合最好的是 Kimi K3,十幾到二十幾秒,又快又對,API 也穩(wěn)。所以給要選模型的開發(fā)者一句實在話:別拿榜分選模型。能力這一層,這些國產(chǎn)模型都追平了,榜上差那零點幾分,你接進日常工作流根本感覺不到。真正決定你用得爽不爽的,是另外幾件榜單不寫的事:接進來快不快、穩(wěn)不穩(wěn)、免費額度夠不夠、會不會動不動限流、真花錢多少錢。GLM-5.2 榜分屠榜但免費調(diào)不出來,Kimi K3 榜分也許低半分但又快又穩(wěn)又能白嫖,你選哪個?做過項目的都知道選后者。榜單是給發(fā)布會看的,你的工作流才是真考場。這些國產(chǎn)新模型值得上手,但別沖著「超過 Claude」這句宣傳去,沖著「夠用、夠快、夠穩(wěn)、能白嫖」去。挑一個真接得進你活里的,比挑一個榜第一的,實在得多。