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。