模型竞争态势初现

Anthropic 亮出“最危险”的模型 Mythos 时，其 CEO、坚定的反华头子 Dario Amodei 判断，中国模型追上这类能力还需 6 至 12 个月。但后来，智谱反手推出 GLM-5.2 追赶编程前沿，Kimi 又拿出 2.8 万亿参数的 K3，华尔街一度重演“DeepSeek 时刻”。紧接着，阿里巴巴推出了 2.4 万亿参数的 Qwen3.8-Max-Preview，按官方说法，其综合性能仅次于 Fable 5，在全栈开发、数据分析和 Office 工作流中已能对垒前沿模型。

测试背景与目标

Qwen3.8-Max-Preview 能把中国开源模型叙事讲下去么？决定让近几个月三款旗舰级的中国开源模型 GLM-5.2、K3 和 Qwen3.8-Max-Preview 一起合作，开发正在改版的硅星人/品玩新网站。为弱化 Harness 的影响，工作方式采用了“模型 + opencode”的组合。值得指出的是，正在改版的硅星人网站是个半成品，网站项目已包含 Next.js 前端、Payload CMS、Anime.js 页面动效等，也积累了现成的设计规范、历史代码和工作文档。不过，这个网站问题很大，历史上多次进行前端和后台的开发和维护，屎山代码堆积，结构臃肿，前端交互混乱、虚假的不可用的功能很多，前端和后端 bug 交缠在一起，是糟糕的网站开发范本，必须被改变。对模型来说，空白项目没有历史包袱和屎山代码，往往可以自如发挥；而半路项目通常是模型最严厉的“父亲”，它要求模型看得懂项目在当下状态，还要在不破坏现有功能的情况下，进行精确的修改，属于屎上雕花的高难度操作。

测试项目及结果

项目进展分析

这次网站改版眼下需要解决六个问题，先测试谁看懂了项目当前的进展。结果是 No.1 Qwen 3.8-Max，No.2 Kimi K3，No.3 GLM 5.2。这轮对应网站改版的第一个诉求是分清“现在有什么”和“文档里曾经想做什么”。接手半路项目，最怕模型把旧文档当成当前需求，把已经完成的功能重新做一遍。所以，没立刻让三个模型修改代码，而是先让它们分析项目，看看谁能更快摸清现状。从生成速度来看，Qwen 3.8-Max-Preview 最快，10 秒内解决，其次是 GLM-5.2，最后是 Kimi K3。三个模型像不同风格的开发者，GLM-5.2 像经验丰富的老师傅，准确地找到了 14 个 CMS 集合、Payload 版本锁定和数据库检查机制，对项目底层结构的理解最深，但把四月份的旧方案也当成了当前施工计划，将全文搜索列为待办事项，实际上搜索、筛选和结果高亮早已完成。Qwen 3.8-Max 更像每天待在现场的监工，生成速度最快，也最准确抓住了项目最近在做什么。Kimi K3 则像一个一分钟带你看完房子的中介，用很短的篇幅讲清楚了房间布局，但把 14 个 CMS 集合数成了 15 个，还把隔壁的工作记录文件夹介绍成了“文档仓库”。在搞清现阶段需求上，Qwen 3.8-Max 得分最高，全貌感略欠，但最快也最精准地找到了问题。其次是 Kimi K3，它知道自己要做什么，但速度太慢了，它看得到全局，但太粗心了，经常嘴瓢说错。而 GLM 5.2 把旧文档当成了当前需求，把已经完成的功能重新做了一遍，属于搞不清楚状况。

解决网站报错

这轮对应第二个诉求：模型能不能把诊断变成行动。启动前端页面，却没同时打开 CMS，因此网页出现报错，把报错信息直接交给三个模型处理。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，直接帮启动了 CMS。Kimi K3 只给出解决方案，并没有实际执行。GLM-5.2 的处理速度较慢，等它准备启动 CMS 时，公共端口已经被 Qwen 3.8-Max 占用，于是它直接复用了 Qwen 3.8-Max 启动的服务。在报错需求解决上，Qwen 3.8-Max 仍然排名第一，它启动了 CMS，而且最快。GLM-5.2 排第二，慢了一步，但它发现端口被占后选择复用已有服务，这是正确且成熟的工程判断。而 Kimi K3，只交方案不动手，只能排第三。

轮播图效果实现

把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，希望它实现自动轮播和无缝循环，但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。promtps 要求修改首页“此刻发生”板块，实现无缝无限轮播，所有卡片持续向左移动，第 08 张卡片移出后，第 01 张卡片从右侧自然接上，循环播放，不能在播放到最后一张后，让整个列表向右滑动返回开头，循环衔接时不能出现停顿、跳动或空白，只修改前端轮播效果，不修改数据和后端。结果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，它用长度伪装成循环，只在表面上实现了循环联播，播放到最后一轮时，卡片仍然会重新跳回开头。Kimi K3 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，画面会跳帧。GLM-5.2 实现得最完整，既保留了自动轮播，也支持鼠标拖动，还能持续循环，但和 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，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，但需求解决未完整达标。Kimi K3 把最难的部分做对了，但删掉自动播放和衔接跳帧，是个诚实的半成品，可排第二。Qwen 3.8 Max 问题严重，删了鼠标拖动，自作主张改了需求，其方案是伪装出来的，而且架构上是死路，要真正实现无缝循环，就得推倒重来。

修改现有功能

修改了“最新观点”部分的强调色和卡片动效，prompts 要求修改首页“最新观点”板块，将强调色改为科技蓝（#3157FF），应用于栏目标题、序号和悬停状态，卡片增加浅蓝色边框和圆角，鼠标悬停时轻微上浮、边框变蓝，其他布局和内容保持不变，只改前端。这项测试考察的不是模型能不能认对颜色，而是修改范围是否完整、一致。任务实际涉及标题、序号、卡片背景、边框、圆角和鼠标悬停状态等，页面里还有多种变体，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，但鼠标悬停后的交互色仍然是绿色，没有同步改成蓝色，即没有修改交互层的颜色。Kimi K3 这一轮问题很大，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。GLM-5.2 没有直接修改代码，而是先问了两个问题，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。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，事先确认范围的动作很重要，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，只动了边框、圆角和一处颜色。

考验模型审美

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。让三款模型重新设计首页 Hero 区域，promtps 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。如果按对硅星人自身的理解，给 K3 排第一，它的前端审美有口皆碑，且认为“科技感”是第一属性切中要义。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。只好给 GLM 5.2 排第三。

增加快速审核功能

改完前端，进入 CMS。目前，文章审核只能点进文章逐篇查看，修改的目标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。promtps 要求完善 CMS“审核工作台”，集中显示所有待审核文章，并展示标题、作者、提交时间和当前状态，点击文章后，从右侧展开详情面板，显示文章摘要、正文预览及相关信息，不跳转页面，详情面板提供“审核通过”和“驳回”操作，通过后文章进入待发布状态，操作成功后立即更新列表和待审核数量。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 Qwen 3.8 - Max 排第一，Kimi K3 排第二，GLM 5.2 完成度比较低，排第三。

模型综合表现总结

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 至少在这次测试中延续了 Kimi K3 和 GLM-5.2 带来的热度。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，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。不过，它速度较慢，也容易被旧文档和自己的分析牵着走。Kimi K3 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。这次测试的结果很难压缩成一个简单排名，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，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。