当 Anthropic 发布 Mythos 模型时,其 CEO Dario Amodei 曾断言,中国模型要追上此类能力还需 6 至 12 个月。然而,事态的发展迅速打破了这一预测。智谱迅速推出 GLM-5.2 追赶编程前沿,Kimi 随即发布拥有 2.8 万亿参数的 K3,华尔街一度重现“DeepSeek 时刻”。紧接着,阿里巴巴推出了 2.4 万亿参数的 Qwen3.8-Max-Preview,官方宣称其综合性能仅次于 GPT-5,在全栈开发、数据分析和办公工作流中已能与前沿模型抗衡。Qwen3.8-Max-Preview 能否延续中国开源模型的叙事?我们决定亲自验证,让近期三款旗舰级中国开源模型 GLM-5.2、K3 和 Qwen3.8-Max-Preview 协作,共同开发我们正在改版的“硅星人”网站。为了降低对 Harness 的依赖,我们采用了“模型 + opencode”的组合模式。

值得注意的是,正在改造的“硅星人”网站是一个半成品。项目已包含 Next.js 前端、Payload CMS、Anime.js 页面动效等,并积累了现成的设计规范、历史代码和工作文档。但这个网站的问题十分严重:历史上多次进行前端和后台的开发维护,导致屎山代码堆积,结构臃肿,前端交互混乱,虚假的不可用功能众多。前端和后端的 Bug 交织在一起。一言以蔽之,历史上的“品玩”网站堪称最糟糕的网站开发范本。它必须被改变。对于模型而言,空白项目没有历史包袱,往往能自如发挥;而半路接手的项目则是最严厉的考官,要求模型不仅要读懂项目的现状,还要在不破坏现有功能的前提下进行精确修改,属于“屎山雕花”的高难度操作。接下来,将测试 GLM 5.2、K3 和 Qwen 3.8-Max-Preview 对这六个问题的解决能力。

**测试一:谁看懂了项目当前的进展?**
结果:No.1 Qwen 3.8-Max,No.2 Kimi K3,No.3 GLM 5.2。

这一轮对应网站改版的第一个诉求:分清“现在有什么”和“文档里曾经想做什么”。接手半路项目,最怕的不是代码多,而是模型把旧文档当成当前需求,重复已完成的工作。因此,没有立刻让三个模型修改代码,而是先让它们分析项目,摸清现状。

从生成速度来看,Qwen 3.8-Max 无可争议的最快,10 秒内完成。它像一位每天待在现场的监工,虽未研究每根管线,却精准抓住了项目最近的施工进度。Kimi K3 像中介,简洁快速地介绍了布局,但数错了 CMS 数量(15 个而非 14 个),把工作记录文件夹误称为“文档仓库”。GLM-5.2 像经验丰富的老师傅,对底层结构理解最深,准确找到了 CMS 集合和数据库机制,但过于严谨,把四月的旧方案也当成了当前计划,将已完成的搜索功能列为待办。

在搞清现阶段需求上,Qwen 3.8-Max 得分最高,速度最快且精准;Kimi K3 看得到全局但太粗心;GLM 5.2 问题严重,把旧文档当新需求。

**测试二:解决网站报错**
结果:No.1 Qwen 3.8-Max,No.2 GLM 5.2,No.3 Kimi K3。

这一轮对应第二个诉求:模型能不能把诊断变成行动。启动前端页面却未打开 CMS 导致报错,将报错信息交给模型处理。

三个模型都定位到了问题,但后续动作明显不同:Qwen 3.8-Max 快人一步直接启动了 CMS。GLM 5.2 处理速度较慢,准备启动时发现端口被占,于是选择复用 Qwen 3.8-Max 的服务,而非报错退出或强行重启,体现了成熟的工程判断。Kimi K3 只给出解决方案,并未实际执行。

在报错解决上,Qwen 3.8-Max 排第一,执行力强;GLM 5.2 排第二,判断正确;Kimi K3 排第三,只交方案不动手。

**测试三:实现轮播图效果**
结果:No.1 GLM 5.2,No.2 Kimi K3,No.3 Qwen 3.8-Max。

接下来,我们将三个模型切换到独立端口,测试它们精确修改前端的能力。首先是快讯板块,我希望它实现自动轮播和无缝循环,现有动效会让卡片逐张向左平移,播放到最后一张时,再让整个列表向右滑回开头。

轮播图是常见的网页信息展示页面,能否用一句话让大模型迁移到自己网站?结果比较惨,三个模型最终或多或少都有些问题:

Qwen 3.8-Max 自作主张删除了鼠标拖动功能,严重扣分。它耍了个小聪明,用长度伪装成循环,只在表面上实现了循环联播,就像它没有把直线跑道改成环形跑道,只是在终点后面又铺了几段一模一样的路。只要用户有耐心看到最后就会发现,它只是复制了多份内容,把轮播轨道强行拉长。播放到最后一轮时,卡片仍然会重新跳回开头。

Kimi K3 做了相反的取舍。它把直线跑道改成了环形,却删掉了自动轮播功能。用户只有拖动鼠标,卡片才会继续前进。而且,在动画细节上不够精细,下一组卡片还没有完全进入画面,上一组卡片就提前退场,画面会跳帧,突然卡一下。

GLM 5.2 实现得最完整,该有的功能都有,它既保留了自动轮播,也支持鼠标拖动,还能持续循环。不过,它和 Kimi K3 存在同样的问题:旧卡片消失得太快,循环衔接时仍然会突然跳一下,它离真正的无缝循环只差最后一点收尾。

GLM 5.2 可以排第一,它是唯一一个功能清单完整的:自动播、可拖动、真循环。但我们要求在衔接时不能出现停顿、跳动或空白,而它的接缝处还是跳一下,需求解决未完整达标,但已经不错了。Kimi K3 把最难的部分做对了:它也真的做到了自动轮播,但问题是删掉自动播放和衔接跳帧,一眼就能看出来工程没做完,它是一个诚实的半成品,可排第二。Qwen 3.8-Max 这次问题就严重了,它删了鼠标拖动,自作主张改了需求,在真实协作里这是信任问题。更严重的是:它的方案是伪装出来的,而且架构上是死路,要真正实现无缝循环,就得得推倒重来。一个看起来能用的错误答案,比一个一眼就知道没做完的半成品危险得多。

**测试四:修改现有功能**
结果:No.1 Qwen 3.8-Max,No.2 GLM 5.2,No.3 Kimi K3。

接下来,我修改了“最新观点”部分的强调色和卡片动效。原版效果如下图。任务表面上只是把绿色换成蓝色,实际涉及标题、序号、卡片背景、边框、圆角和鼠标悬停状态。页面里还有大卡片、小卡片、无图卡片等多种变体。任何一处遗漏,都会让新旧两套设计同时出现在用户面前。

Qwen 3.8-Max 的修改速度最快,文字颜色、背景颜色、边框和圆角基本都处理正确。美中不足的是,鼠标悬停后的交互色仍然是绿色,没有同步改成蓝色。也就是说,Qwen 3.8-Max 没有修改交互层的颜色。

Kimi K3 这一轮的问题很大。它修改了边框、圆角和其中一处颜色,其他部分几乎没有变化。可能是因为 K3 觉得审美有问题,不想改。

GLM 5.2 没有直接修改代码,而是先问了两个问题,例如哪些标题需要变色、没有序号的卡片应该如何处理。它明确询问过的部分完成得不错,未被方案覆盖的地方却出现了遗漏。最大卡片的鼠标悬停颜色仍然是绿色,只有小卡片变成了蓝色,下方没有图片的卡片,交互颜色也完全没有修改。和 Qwen 3.8-Max 没有修改整个交互层的颜色不同,GLM 5.2 是挑着改颜色,同一种内容,只改一半。

这一轮,Qwen 3.8-Max 的整体完成度最高,尽管漏掉了悬停色的修改。GLM 5.2 在已经确认的范围内做得更细,而且事先确认范围的动作很重要,这是它试图理解准确意图的反应,但它的执行背叛了它的流程:问到的地方做得漂亮,没问到的地方彻底放飞了。相比之下,Kimi K3 不得不垫底,它明显没有吃透任务,只只动了边框、圆角和一处颜色。

**测试五:考验模型审美**
结果:No.1 Kimi K3,No.2 Qwen 3.8-Max,No.3 GLM 5.2。

前两轮考验的是精确执行,这一轮把问题反过来:不给参考答案,让模型自己做审美判断。

模型审美是一件很主观的事,但三个模型表现出的风格差异依然很明显。Kimi 的前端审美经常受到用户称赞,因此我们让三款模型重新设计首页 Hero 区域。要求体现科技媒体的专业感、前沿感和编辑气质。保留现有标题、文案和按钮,但可以重新设计排版、字体层级、留白、色彩和动效。标题应成为第一视觉焦点,整体要有鲜明风格,但不能做成常见的科技公司官网模板。避免霓虹渐变、玻璃拟态、粒子背景和过多装饰。动效应克制、流畅,并适配桌面端和移动端。只修改 Hero 区域前端,不修改导航栏、其他板块、内容数据和后端。

Qwen 3.8-Max 采用了粗体极简风。超大的黑色无衬线标题被分成三行,占据页面左侧的主要空间。背景几乎没有装饰,只用短横线和文字链接建立层级。整体更接近现代媒体首页,视觉重心完全落在标题上。

Kimi K3 采用了科技极简风。标题同样使用粗体无衬线字体,但增加了背景层次。左侧承载文案和蓝色按钮,右侧加入网格、细线与柔光组成的背景动效。相比 Qwen 3.8-Max,它使用了更多科技蓝和几何元素。

GLM 5.2 采用了杂志编辑风。标题被改成超大衬线斜体,并加入 EDITORIAL、EDITION 2026、01 FEATURE 等期刊元素。页面通过细分隔线、大面积留白和底部滚动提示,形成了类似纸质杂志封面或专题头版的视觉结构。

这一轮很难选出唯一赢家。Qwen 3.8-Max 最像现代内容媒体,Kimi K3 的科技感最强,GLM 5.2 则最有杂志封面的编辑气质。它们也暴露了三种不同的理解:Qwen 3.8-Max 认为科技媒体首先是媒体,Kimi K3 认为科技媒体首先要有科技感,GLM 5.2 则把重点放在“编辑”两个字上。而且可以看出,K3 在前端动效上有主动性,而 Qwen 3.8-Max 和 GLM 5.2 就不会主动加动效。

如果按我们对硅星人自身的理解,我们给 K3 排第一,首先它的前端审美确实是有口皆碑的好,更重要的是它认为“科技感”是第一属性切中我们的要义,硅星人可以不是媒体,其实也越来越不像媒体,它的本质是 AI,不是媒体。这点 K3 理解和执行得最好。第二给到 Qwen 3.8-Max,尽管认为硅星人是媒体,但好歹是个现代内容媒体的风格。既然把它做得跟个杂志似的,那只好给 GLM 5.2 排第三了。

**测试六:增加快速审核功能**
改完前端,我们进入 CMS。目前,文章审核只能点进文章逐篇查看。编辑看一篇、退出来、再打开下一篇,修改的目标不在于多放两个按钮,而是重新组织审核流程:列表要集中展示待审核文章,详情要在当前页面展开,正文要能直接预览,操作完成后还要同步更新文章状态和待审核数量。当编辑按下“通过”后,文章状态、待审核列表和数量也要一起变化,像一个齿轮同时带动后面的整套流程。

这考验的是模型处理 CMS 界面、数据和审核流程多端联动的能力。

出乎意料的是,这一轮最先完成任务的居然是 Kimi K3,一改此前在前端任务中速度最慢的表现。很难据此判断 Kimi K3 是否真的内化了更多前端设计经验,但至少可以确定一件事:模型速度不是固定属性,它会随着任务类型发生变化。

从结果来看,Qwen 3.8-Max 的侧边详情最完整。标题、作者、提交时间、状态、分类、摘要和正文预览全部出现,底部也能直接执行“审核通过”或“驳回”,整体最接近 Prompt 要求。Kimi K3 的基本信息和操作功能比较齐全,但正文预览过于简化。用户仍然需要跳转到编辑页才能查看完整内容,没有完全满足“不跳转页面查看内容”的要求。GLM 5.2 提供了摘要和固定操作栏,但正文预览区域主要被一个巨大的图片加载失败占位覆盖。审核人员很难从中获得有效信息,是三个结果中偏离 Prompt 最明显的一个。

这轮悬念是不大的,Qwen 3.8-Max 排第一,Kimi K3 排第二,GLM 5.2 完成度比较低,排第三。

**总结**

几轮测试做完,没有一款模型能够从头赢到尾。不过,Qwen 3.8-Max 延续 Kimi K3 和 GLM-5.2 带来的热度了吗?至少在这次测试中,它可以。

让我们总结一下各家在重构改造我们网站上的表现:

Qwen 3.8-Max:优势是快,而且对项目当前状态更敏感。它最先完成项目分析,最先启动 CMS,在“最新观点”和“审核工作台”两项任务中也交出了完成度最高的结果。对于一个希望尽快看到可运行版本的用户来说,这种执行力很有吸引力。但它的缺点同样来自这种快。为了实现轮播,Qwen 3.8-Max 删除了原有的拖动功能,又用复制大量内容的方式伪装无限循环。

GLM 5.2:更像一名喜欢先读完资料再动手的工程师。它对代码结构理解最深,轮播功能完成得也最全面,Hero 区域的杂志编辑风格最有辨识度,谁再说 GLM 5.2 没有审美,确实有点冤枉它。不过,它速度较慢,也容易被旧文档和自己的分析牵着走。想得更多,并不保证每一次都能看清项目此刻的状态。

Kimi K3:它带来了最多的意外:分析项目时最简洁,数字错误也最多;修改前端时经常漏掉关键要求,却在 CMS 任务中第一个完成。它有时像一个灵感很好的设计师,有时又像一个没有耐心做完检查的实习生。

这次测试的结果也很难压缩成一个简单排名,但如果用最朴素的名次积分(第一名 3 分、第二名 2 分、第三名 1 分)叠加了一下,结果仅供参考,它仅仅是在重构/改造硅星人网站这一个项目上的具体表现,不代表模型的综合和整体性能。

最新快讯

2026年11月22日

21:53
**AI服务器厂商调价幅度最高达45%** 据鼓狮财经11月22日报道,戴尔、慧与科技、联想及超微电脑等厂商近期正要求大幅上调AI服务器价格,涨幅最高可达45%。值得注意的是,此次涨价波及范围较广,即便是几个月前已签署的供货协议也未能幸免。这一轮成本上涨正对各类经销商及终端客户产生实质性影响。
21:23
即将开启的11月最后一周,全球市场看点密集,注定波澜起伏。宏观层面,美国PCE通胀数据、GDP修正值与美联储褐皮书重磅来袭;政策层面,中国台湾禁止平盘以下放空、韩国放宽回购上限等亚太维稳举措正式实施,国内首批18只主动型ETF也将在下周鸣锣上市;公司层面,小米、美团、B站、理想等科技巨头财报扎堆放榜。叠加美股感恩节休市与“黑色星期五”消费大考,下周市场不容小...
20:51
据韩国电力公社(KEPCO)11月22日周日发布的消息,该公司证实了又一起严重的数据泄露事件,涉及用户数量高达约152万。这已是该公司在短短一个月内遭遇的第二起泄露事故。据悉,泄露源头主要来自“KEPCO ON”客户服务平台,共有650,487名用户的信息被曝光,同时电子采购系统(SRM)中也有869,761名用户的隐私数据遭到泄露。
20:14
今日,沪深北交易所同步下调融资保证金比例,创业板拟引入做市商制度,沪深交易所与中国结算也推出新一批降费措施。 首先,经中国证监会批准,沪深北交易所发布通知,将投资者融资买入证券的最低保证金比例由100%下调至80%,相关规则将于2026年11月30日起施行。此前,交易所为应对市场波动,已于今年1月将比例调至100%。此次下调正值市场融资交易活跃度下降、整体杠...
20:14
在一片恐慌情绪中,黄金迎来了历史罕见的深度回撤。截至本周五,国际金价已跌至3539美元每盎司,盘中甚至险些跌破3500美元大关。单周跌幅约9%,近9个交易日累计下跌14.71%,创下14个月来的新低。相比1月29日的历史高点,最大回撤幅度已超过37%。据《财富》11月20日测算,仅一天之内,黄金市值便蒸发了约1.016万亿美元。这究竟是怎么回事? 回顾近期到...
19:11
据鼓狮财经11月22日报道,韩国高层金融官员于周日召开紧急会议,针对当前市场波动加剧的情况,宣布将采取分阶段措施以稳定市场。会议由财政部长李炯日、韩国央行行长申铉松以及金融服务委员会和金融监督院负责人共同主持,主要探讨了美国股市抛售可能带来的连锁反应,并制定了应急预案。 韩国政府表示,将立即着手筹备股市稳定基金,确保在必要时能够启动该基金以平抑市场。此外,为...
18:41
AI辅助证明黎曼猜想获数学社区认证,陶哲轩:理解尚需时日 鼓狮财经11月22日电,形式化证明系统Lean及其数学库Mathlib的开发者社区发布联合声明,确认数学家莱文特·阿尔波格于11月20日公开的黎曼猜想证明已通过核验。 这份证明由人类数学家与人工智能模型Claude协作完成,代码量高达约1700万行。值得注意的是,该证明在公开24小时内便获得了形式化数...
18:11
据鼓狮财经报道,花旗集团于2026年11月20日发布研究报告,核心观点认为:美联储将于2026年12月加息25个基点,但随后将在2027年开启降息周期。 尽管近期核心通胀超预期促使美联储释放了12月加息的信号,但考虑到金融条件收紧以及经济增长下行风险上升,美联储最终将在2027年转向更为鸽派的政策立场。预计届时政策利率将从4.0%至4.25%的水平逐步下调至...
18:11
11月22日,韩国财政经济部宣布,由副总理兼财政经济部长官李炯日主持的政府部门联合紧急市场形势检查会议当天举行。会议针对市场稳定制定了以下具体举措: 首先,政府将着手优化股市稳定基金的启动机制,提升其实战效能,确保能根据市场波动随时迅速介入。 其次,自11月24日起的三个月内,政府将取消上市公司每日提交库存股买入订单的数量上限,旨在鼓励企业扩大股票回购规模,...
18:11
2025年,只有30.2%的家庭电视在统计时段内被打开过,超过七成的电视常年处于休眠状态。然而,在电视销量逐年下滑之际,行业内的龙头——海信视像,近几年却走出了一波逆势行情。2022年至今,海信视像股价从最低点的5.78元附近起步,如今已然涨至27.98元,股价暴涨超400%,逐渐逼近2015年的历史最高点。一个被无数人判定为夕阳行业的赛道里,居然跑出了一只...
17:41
11月17日,迪士尼公布了最新财报。第四财季营收达到259.47亿美元,同比增长16%;调整后每股收益为1.77美元,同比大增59%,两项数据均超出了市场预期。截至周四,公司股价年内累计上涨约5.7%,较3月份的低点反弹了三成,市场对其盈利改善的预期已部分得到兑现。随着年底假期季的临近,消费者对迪士尼的喜爱能否转化为实际消费,成为了关注的焦点。 01、流媒体...
17:11
11月22日,鼓狮财经报道,复星医药董事会正式通过了A股股份回购方案。根据该方案,公司计划采用集中竞价交易方式回购股份。此次回购资金总额将在2.5亿元至5亿元之间,每股最高回购价格为33元,回购期限为自董事会批准之日起12个月内。回购的股份将主要用于未来发行可转债转股、实施员工持股计划或股权激励计划。