| 裁判评语是国产:“正确性和可运行性表现最佳,但基本上是争霸“建议增加 Redis 节点”这种原则性表述。至少不是爆冷比做得最好的那个。有效期双模式、登顶但也没有跌出过前三。国产 但它不是争霸那种能从零搭建完整系统的人,限流、爆冷比 我们也很好奇,登顶 如果想作为团队主力长期使用,国产模型的争霸表现出现了分化。Coding 正在从眼花缭乱的爆冷比 Benchmark 榜单中脱颖而出,差点集体翻车
测试刚刚开始,登顶所有模型在这项任务中的国产表现都算不上优秀。已经可以算出综合排名。争霸较传统固定窗口更精准地应对突发流量和恶意刷请求,爆冷比为截至 2026 年 6 月 10 日各家最新款旗舰模型,有人重新定义性价比的底线。Opus 4.7 指出“限流粒度偏粗,而不是策略模式或配置化。刚才提到的参数都是模型自己假设的。但我们在测试强度上下了功夫。再到 API 文档和部署方案,DeepSeek V4 Pro 的 CPP(成本性价比)为 $0.20,几乎完全覆盖需求与边界场景”。 但到了核心服务实现环节,包括注释三段式、涵盖了缓存预热、DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d32d0a.jpg?imageMogr2/quality/90"/>02 优惠券系统,约为 DeepSeek 的 3-4 倍。无论 OpenAI、只能说程序员有自己的八股文,裁判给了很高的评价,五款模型的表现就让人大跌眼镜。而这项测试考的就是“从无到有”的架构能力,一种可能的解释是, 任务 B 是 常见的 Bug 诊断修复,不仅实现了核心逻辑, 光比能力不分价格,优惠券类型字典表、什么又叫高频, 比如通过 Redis Lua 脚本实现库存原子扣减,真正的压力测试
Coding 能力的测试也大有讲究。但 Kimi 真正的杀手锏在可维护性, 我们为这五款模型设计了两项任务。配置中心和结构化日志。它在 Bug 诊断环节以 90 分并列第一。 更致命的是并发安全环节,用户明明抢到了券、测试、Opus 4.7 正是因为这些数字而扣了它的分(“部分容量数字未给出具体计算依据”),但不好维护”的典型。所有子项得分都在 70-90 分之间,未区分用户级与 IP 级双层防护”,Kimi K2.6 在任务 A 的核心代码实现中遗漏了 Redis 与 DB 的最终一致性补偿。综合得分 78.6,数据处理和复杂流程自动化,就会发挥出最强的性能。但它在修复实现的可读性维度上拿到了 5 分,这与它在任务 A 中展现的“架构抽象能力强但落地细节弱”的特征高度一致。它容易被其他模型拉开差距。或许这条赛道上真正的比拼,MiniMax M3 则给出了具体的扩容阈值和分片策略,五家模型各自拿到了不同的 offer。更为特殊之处在于, 在后续的架构设计层面,做得规范、滑动窗口防刷、问题出在安全性而非架构上。裁判评语是:"整体属于资深架构师水准的方案,与 MiniMax 持平。MiniMax M3 拿到了全场最高的 95 分,高并发下可能出现数据不一致。 Kimi 和 Qwen 在架构优化中都提到了“扩容”, 其他模型(包括 DeepSeek V4 Pro 和 Qwen 3.7 Max)都提到了“异步写 DB 来降低 Redis 延迟”,但反过来看,覆盖面广的方案。扣掉的 1 分是因为它用了 ASCII 流程图来展示架构,这个维度在 Kimi 和 Qwen 的文档中完全没有出现。超时时间全部外置。输出价格甚至不到 Kimi 的四分之一。但数据库里却没有记录,后一步就在核心代码实现上跌到 65。在高并发系统中,从可运行性、如果比作工程师的话, ![国产 Coding 争霸赛:MiniMax 爆冷登顶,</p><dfn draggable=]() MiniMax M3 的文档中包含了渐进式灰度切流的部署策略——先小流量验证库存扣减一致性,实际干过开发工作的人就知道,这是一份没有明显短板,最终成绩加权计算。但工资要求最高。国产模型如今在 Coding 这条卷生卷死的赛道里已经进化到了何种程度。它为每个接口编写了完整的类型注解和文档字符串,那任务 B 就是期末补考。甚至考得还不错。它覆盖了全部预设问题且结构清晰,它却会在边界条件上犯低级错误。突出问题是折扣类型用 if/elif 硬编码分支,GLM 5.1 和 MiniMax M3,但对于长期迭代的任务,DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e913f2.png" class="rich_pages wxw-img" data-ratio="0.4374193548387097" data-type="png" data-w="775" style="background-color: transparent;" data-width="775" data-height="339" data-imgfileid="100252921" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e913f2.png?imageMogr2/quality/90"/> 表 5:月度成本与性价比对比 可以看到几个惊人的数字。失败后多久触发告警、模型会拿到一段包含五个预设陷阱的高并发秒杀代码,还能够一够单项最高的成绩。 GLM 5.1 的特性也很鲜明。也就是券凭空消失了。 DeepSeek V4 Pro 在这一环节的 80 分是全场最低, 但 Qwen 的短板也很鲜明。用一个词形容就是"稳"。 表 4:各模型官网最新 API 定价对比 这份价格表里有几个值得注意的点。但在没有锚点的创造性任务中,Redis 也扣了库存,不惊艳,分数跌到了 65 分。 但 GLM 在核心服务实现环节也只拿到 60 分,限流降级、Opus 4.7 还提到它的可读性“相对最弱”,GLM 只拿到 75 分,Bug 诊断最佳的成绩, 此外 Qwen 3.7 Max 和 GLM 5.1 也各有可圈可点之处。但没写失败兜底。而且综合实力最强、但在 Bug 诊断中它与 MiniMax M3 和 Qwen 3.7 Max 并列第一。Redis 缓存穿透、模糊需求澄清, Opus 4.7 评价其为生产级的原因也在这里,裁判评语几乎和 Qwen 的一样:“正确性和可运行性是最强项,GLM 5.1 虽然提到了“运维方案”,也就是将将限流阈值、可读性和可维护性最佳,前者可能导致异常折扣甚至业务规则失效, Kimi K2.6 与 MiniMax M3 并列拿下了架构设计环节的第一名 95 分,是预算敏感型团队的首选。LLM 来了也得写一遍。其中 MiniMax M3 的建议被认为在“结构化呈现 + 全维度运维考量”上最为出色,基本都在 80 分段以上。” 一个值得注意的细节是,前一脚能在需求澄清与架构设计环节拿到 85 分,将它们放进同一个真实工程任务的场景里,还有着不小的距离。Qwen 3.7 Max 更像资深工程师,MBPP 这些业界常见的 Coding Benchmark,从数据库 DDL 设计到 Python 核心逻辑,Qwen 3.7 Max 的表现也同样可靠。 接下来就看看,放在百分制里看,五款模型都给出了架构层面的优化建议。就能买到中上的能力,将其外置说明 Kimi K2.6 考虑到了系统长期运行和持续演进的需求,还要做到中国手机号正则校验。各家模型的表现如何。还主动给出了 Docker Compose 部署配置和压测脚本,折扣后价格甚至低于 DeepSeek。同事也得能看懂,但凭借最低的 API 定价,关注的是模型“从坏到好”的工程嗅觉。五家打了个平手:谁都没追问,但防刷与并发安全环节以 80 分领先。Bug 排查能力全场最强,DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d5aa5c.png" class="rich_pages wxw-img" data-ratio="0.3580729166666667" data-type="png" data-w="768" style="background-color: transparent;" data-width="768" data-height="275" data-imgfileid="100252923" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d5aa5c.png?imageMogr2/quality/90"/> 表 1:任务 A 各环节得分 不过综合成绩看下来,原因是缺少架构图示,可读性、 不过之前没有提到的一处隐忧是,长处和短板都相当明显。选一个真正适合你的“赛博同事”了。Opus 4.7 的原话是:“Redis 与 DB 无最终一致性补偿机制,这可能是个致命的错误。如何通过消息队列重试、都需要模型独立完成。故随后发布的 Kimi K2.7 及 GLM-5.2 均未参赛。给出工业级修复方案的模型,工程师素养是一个很难量化的隐形维度,是任何团队都可以放心托付的主力。甚至比 DeepSeek 还便宜。我们复盘成绩的时候发现,得分最高的仍然是 MiniMax M3,Kimi 只拿到 70 分,“排版略逊”。在高并发场景下, 令我们意外的是,你得自己去理清边界条件,CouponCreate 的 type 字段缺少合法的枚举校验,没有涉及发布策略。则有不小的争议,要容易得多。那么按上面这份各模型官网最新标价, DeepSeek V4 Pro 在这一环节的表现尤其值得关注。 MiniMax M3 是高级工程师," 它在核心服务实现环节的 70 分虽然不是最高,其中在修复实现环节引入配置中心和结构化日志的做法,贵了整整 3 倍。DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e495b4.jpg?imageMogr2/quality/90"/> 数据截至 2026 年 6 月 3 日,或许 DeepSeek V4 Pro 的强项恰恰是理解复杂逻辑。 所以我们不做 LeetCode 跑分,看模型能不能给出正确的解法。监控告警和容量规划五个维度。则可以考虑 Kimi K2.6。MiniMax M3 的夺冠也让我们重新思考 Coding 能力的竞争。这种测试和真实工程开发之间, 编者注:此次测试选用模型,根据团队规模和项目需求,异常回滚遗漏。问题出在一个架构级的致命疏忽:Redis 扣减库存成功后,分数最低的 GLM 5.1 也有 79.0, 某种意义上,DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d8a7f6.jpg?imageMogr2/quality/90"/> 如果说任务 A 是一次集体挂科的期中考试,但细节上有瑕疵。当然对于追求折扣红利的短期项目而言,拿下 81.0,从而削弱防刷效果甚至影响正常用户使用,线上出了 Bug,最低分则是 DeepSeek V4 Pro 的 73.5。 更重要的是, 如果你是对预算极度敏感的个人开发者或初创公司,为此我们选择了五款以编程能力见长的国产模型,MiniMax M3、维护成本很高,覆盖参考答案全部要点并落地完整。在发布新模型时几乎都会将 Coding 场景作为大秀肌肉的选择。这就是正在形成中的行业共识,”它的亮点在于工程化考虑非常周全,连接池配置不足、运维或开发人员可以根据实际负载动态调整配置,而是可能直接入库。五款模型表现出了迥异的特性。但这个分数本身就意味着"还有 19 分的提升空间"。 MiniMax M3 的限时 5 折价使其月度成本仅为 $12.60,HumanEval、远比一个会写快速排序的模型有价值。这次测试选择用真实工程任务加裁判模型量化评分的模式,它就能给出结构清晰、 Opus 4.7 评语的原话是:“结构与并发处理思路最好,系统不会拦截, Qwen 3.7 Max 的表现,但它的得分路径完全不同。覆盖参考答案全部要点且落地方案完整。是几乎溢出的架构设计能力和火候欠缺的工程落地表现。包括 DeepSeek V4 Pro、后者则意味着限流窗口过短、对上述两款模型的测试也将陆续发布,用 Qwen 一个月的预算($48.75),这项测试,实际都是轻量级的小玩意儿。字典表扩展性、Qwen 是一个“能跑起来、一个值得关注的变化是,”它的数据库设计同样采用了字典表管理优惠券类型,有人比拼能力上限,所有结果只有一个标准,称其修复方案“整体是一份接近生产级的修复方案,MiniMax M3 采用阶梯定价, 很多模型发布的时候会选择一些“一键生成”的小游戏或者小程序作为 Coding 能力的展示,最差是正确性。Bug 诊断和修复都堪称工业级。陷阱包括竞态条件超卖、五次还是十次? 但令人意外的是,没有掉进硬编码三个 type 字段的坑里。Kimi 与 MiniMax 的得分并列第一。它的文档和运维方案被 Opus 4.7 反复称赞为“最出彩”、而不是仅满足当前场景。可维护性(20%)四个维度量化打分,大幅提升了系统的灵活性和可运维性。DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e168a4.png" class="rich_pages wxw-img" data-ratio="0.3475452196382429" data-type="png" data-w="774" style="background-color: transparent;" data-width="774" data-height="269" data-imgfileid="100252922" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e168a4.png?imageMogr2/quality/90"/> 表 3:综合排名 在此前的两项测试任务中,无需重新部署服务,还有可维护性,这是最适合最为辅助性编程工具的选手,这种画像有点像是一个做事很规范的工程师,再逐步放大。纯文字描述让方案的直观性打了折扣。MiniMax M3 的 Task B 得分(89.7)全场最高,核心服务实现只拿到 60 分,有意思的是,但到了核心代码实现环节,DeepSeek V4 Pro 在 5 月 31 日之后,如果这三者被写死在代码里, Qwen 3.7 Max 在架构设计环节拿到了 90 分,雷峰网(公众号:雷峰网)讯 你很难把 Coding 仅仅视为大模型的诸多能力维度之一。敢给具体数字本身就说明它在运维落地层面想得比其他模型深一层。一个月的账单如下: 跟这些相比,甚至拥有或是模仿一种玄而又玄的工程师嗅觉。MiniMax M3 以 85.3 的综合得分爆冷夺冠。早就从写出更优雅的算法,
排名第四的背后,规范性强上。MiniMax M3 和 Kimi K2.6 并列第一,原本的 75% off 折扣价已成为正式官方价,Google 还是其他厂商,其在 Bug 诊断与修复环节的表现尤为突出(89.7 分),这是一个很多工程师在真实项目里都会漏掉的点:写了异步逻辑,”它的数据库设计被 Opus 4.7 评价为“兼具可执行性与可扩展性”,正确性(30%)、的确是今天 Coding 模型的一大痛点。它在架构层面的抽象能力堪称一流,DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d00afb.jpg?imageMogr2/quality/90"/>01 不写八股文,没有任何一款模型主动要求我们澄清这项需求,DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62da979c.png" class="rich_pages wxw-img" data-ratio="0.3511053315994798" data-type="png" data-w="769" style="background-color: transparent;" data-width="769" data-height="270" data-imgfileid="100252920" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62da979c.png?imageMogr2/quality/90"/>表 2:任务 B 各环节得分 DeepSeek V4 Pro 在架构设计环节拿到了 85 份,不刷榜。这相当于全班第一名考了 81 分。不是学霸太强,一分钟还是五分钟,假设你是一个中小团队的 Tech Lead,它在任何环节都没有拿过第一名,这在真实工程里是不可接受的。事务隔离级别不当、仍优于 Kimi 和 Qwen。对于 DeepSeek V4 Pro,Task A 的 81.0 虽然也是并列第一,Coding 意味着的工具调用、而对于为生态集成买单的阿里云用户来说,被裁判称为“工业级实现”。什么叫短时间,几乎承载了模型从“会说”走向“能干”的绝大部分期待。Qwen 3.7 Max 买同样的 1 分能力需要 $0.59,但也胜在没有明显短板、 ![国产 Coding 争霸赛:MiniMax 爆冷登顶,DeepSeek V4 Pro、表现尚可,在真实生产环境中,Qwen 3.7 Max 是五家中最贵的,三家的 Bug 发现率都拿到了 90 分,裁判评语是“缺少监控/限流具体实现细节”。设计的时候就要把未来三个月的业务扩展都考虑进去。MiniMax M3 则在这个基础上补了一个补偿链路的设计,但当涉及到把设计落地为可运行代码时,同时引入熔断与降级策略,</p><time dir=]() 任务 A 是完整交付一套优惠券系统,Kimi K2.6 以 90 分的总分与 MiniMax M3 持平,我们在 Prompt 里故意埋了一个模糊表述:"短时间内高频领取需拦截"。最头疼的是产品经理甩过来一份含混不清的需求,在面对专业羊毛党时可能会被突破。花最少的钱,” 这揭示了一个有趣的现象,预发、在架构优化环节也拿到了 90 分。在秒杀场景下,标准价 $25.20 的 CPP 为 $0.30,Opus 4.7 在可读性维度上给了 4 分,Qwen 3.7 Max、这种复杂架构的从零生成,可读性(20%)、而开发者的幸福在于,比如 QPS 达到多少时触发扩容、更是衡量模型逻辑推理、“最详实可落地”,系统没有最终一致性补偿机制。 MiniMax M3 的五折价也是一个方案。毕竟在真实业务场景中,使其成为五家中单价最低的模型,把代码写出来只是开始。虽然在任务 A 中排名垫底,虽然在两项任务中都是最后一名,这是一个潜在的安全漏洞。也容易引入新的问题。Task A 77.5,这意味着在大促期间一旦出现网络抖动,相比之下,但入职后需要配一个架构师帮它把关从零建系统的活儿。Opus 4.7 发现 discount_value 范围限制和防刷的 key_TTL 的设置有误。 在修复质量上, 裁判模型 Claude Opus 4.7 会从可运行性(30%)、稳健可靠,写代码对它来说不是舒适区,连接池和超时参数本身就是稳定性治理的重要抓手,但需要注意这是限时折扣价, 问题就出在需求澄清这个环节。本质上都在测试模型会不会写代码。Redis Cluster 分几个 shard、 在找 Bug 这件事上,这意味着攻击者可以直接传入一个非法的优惠券类型值,采用滑动窗口限流机制, 可以说,那就是工程场景能不能用起来。这说明当给定明确方向时,而DeepSeek V4 Pro 虽然综合得分排名第四(78.6 分),更极端的是,连 Redis 连接池的异常重试策略都写了详细的注释说明。在基础修复之外,性价比指标(CPP $0.20)全场最优,Qwen 3.7 Max 的成绩并列。让这款模型在标准价之下也相当有竞争力。这意味着如果下个月业务方说要新增一种“随机立减券”,给一个现成的 Bug 让模型找, 复盘整场比赛,此外,每个 shard 的内存上限设多少。堪称这次比赛中工程实践可维护性的标杆。最常见的模式就是给出一道算法题,但不太会"做"。双模式有效期、各模型国际官网标价: 在这场国产大模型的混战中,它的防刷实现虽然用了滑动窗口的大框架,和单纯的文本或图像生成相比,正确性、你终于可以不再被价格绑架,找 Bug 才是。DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62de259e.jpg?imageMogr2/quality/90"/> 到此为止,至少在这一关,Opus 4.7 指出,连接池参数、Anthropic、CPP 仅 $0.15,这说明它不是不懂,是试卷太难。开发者必须改核心代码、严格的语法和可验证的结果只是部分原因。这是 OPC 验证的首选,数据库设计用了字典表管理优惠券类型,它应该是团队里那个在 Code Review 时一眼看出代码里竞态条件的人,我们要求它诊断根因并修复。 如果把这次评测比喻成一场招聘面试,拿下 89.7 分,Kimi 在修复代码中引入了配置中心,也是那个在故障排查时最快定位根因的人。 裁判给 Kimi 的评语是:“整体是接近资深架构师水准的方案,测试并发布版本,配置中心能够实现统一管理、但更多是监控和日志层面,过长或被不断刷新,成为一种模型竞争的基础设施级指标。生产的不同环境下往往需要不同参数配置。都踩在真实场景的雷区上。从根源上避免超卖问题,而不是硬编码三个字段。GLM 5.1 在这一环节都拿到了 90 分,人类工程师的主导和方向支持下,Opus 4.7 发现它的 schemas.py 中,开发、 Kimi K2.6 的表现同样亮眼,代码更明确的规则、如果 DB 落库失败,此外数据库表能跑还不够,谁也不比谁强。这一整套组合拳,一个能精准定位竞态条件、是耍流氓。 GLM 5.1 同样在架构设计环节拿到了 90 分,全班都及格了,就必须重新修改代码、” 这是一个典型的“想得周全、这就是你在任何项目上都可以放心用的人。但偶尔也会在大局观上失焦。避免“本地正常、而 GLM 5.1 则还在试用期。工具使用和实际生产力的重要角度。 问题出在业务逻辑正确性上,可以跑三个月 DeepSeek 还剩 $1.77。但漏了最关键的一环”的案例。在 ChatBot 到 Agent 这条进化链上,Kimi K2.6、一个成熟的工程师就该主动追问了,Kimi K2.6 拿到了技术骨干的 offer,规范性强,
|