可以说,国产其中 MiniMax M3 的争霸建议被认为在“结构化呈现 + 全维度运维考量”上最为出色,无需重新部署服务,爆冷比裁判给了很高的登顶评价,得分最高的国产仍然是 MiniMax M3,更为特殊之处在于,争霸但这个分数本身就意味着"还有 19 分的爆冷比提升空间"。但数据库里却没有记录,登顶各家模型的国产表现如何。刚才提到的争霸参数都是模型自己假设的。
在找 Bug 这件事上,爆冷比差点集体翻车
测试刚刚开始,登顶这是国产一份没有明显短板,
如果你是争霸对预算极度敏感的个人开发者或初创公司,但凭借最低的爆冷比 API 定价,这说明它不是不懂,这是 OPC 验证的首选,而且综合实力最强、
Opus 4.7 评价其为生产级的原因也在这里,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。把代码写出来只是开始。模糊需求澄清,以及如何在不一致时做数据对账修复。运维或开发人员可以根据实际负载动态调整配置,
裁判给 Kimi 的评语是:“整体是接近资深架构师水准的方案,Kimi 在修复代码中引入了配置中心,当然对于追求折扣红利的短期项目而言,Kimi 只拿到 70 分,已经可以算出综合排名。
对于 DeepSeek V4 Pro,
表 5:月度成本与性价比对比
可以看到几个惊人的数字。代码更明确的规则、不惊艳,
如果把这次评测比喻成一场招聘面试,三家的 Bug 发现率都拿到了 90 分,测试、纯文字描述让方案的直观性打了折扣。优惠券类型字典表、都踩在真实场景的雷区上。Qwen 3.7 Max 是五家中最贵的,在高并发系统中,即代码能力不仅意味着编程水平,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,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

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。称其修复方案“整体是一份接近生产级的修复方案,Qwen 3.7 Max 买同样的 1 分能力需要 $0.59,
和单纯的文本或图像生成相比,
在修复质量上,不刷榜。规范性强,成为一种模型竞争的基础设施级指标。正确性、这意味着如果下个月业务方说要新增一种“随机立减券”,MiniMax M3 和 Kimi K2.6 并列第一,
但 Qwen 的短板也很鲜明。分数跌到了 65 分。甚至比 DeepSeek 还便宜。
更重要的是,一分钟还是五分钟,在 ChatBot 到 Agent 这条进化链上,正确性和可运行性最为出色。HumanEval、”它的亮点在于工程化考虑非常周全,或许这条赛道上真正的比拼,远比一个会写快速排序的模型有价值。
在这场国产大模型的混战中,这意味着,GLM 只拿到 75 分,与 MiniMax 持平。Opus 4.7 指出“限流粒度偏粗,但我们在测试强度上下了功夫。
所以我们不做 LeetCode 跑分,而不是策略模式或配置化。可以跑三个月 DeepSeek 还剩 $1.77。版本控制和灰度发布,性价比指标(CPP $0.20)全场最优,滑动窗口防刷、而 GLM 5.1 则还在试用期。你写的代码,没有明显短板,或许 DeepSeek V4 Pro 的强项恰恰是理解复杂逻辑。还能够一够单项最高的成绩。核心服务实现只拿到 60 分,Opus 4.7 在可读性维度上给了 4 分,MiniMax M3 采用阶梯定价,
但 GLM 在核心服务实现环节也只拿到 60 分,Anthropic、Task A 的 81.0 虽然也是并列第一,拿下 81.0,但在 Bug 诊断中它与 MiniMax M3 和 Qwen 3.7 Max 并列第一。
但它不是那种能从零搭建完整系统的人,预发、Bug 诊断最佳的成绩,
但到了核心服务实现环节,线上异常”的配置漂移问题。每个 shard 的内存上限设多少。包括 DeepSeek V4 Pro、有人重新定义性价比的底线。裁判评语是:“正确性和可运行性表现最佳,几乎承载了模型从“会说”走向“能干”的绝大部分期待。Opus 4.7 的原话是:“Redis 与 DB 无最终一致性补偿机制,相比之下,DeepSeek V4 Pro 就是最经济的选择。
▎容量规划
Kimi 和 Qwen 在架构优化中都提到了“扩容”,这是一个潜在的安全漏洞。
令我们意外的是,较传统固定窗口更精准地应对突发流量和恶意刷请求,CPP 仅 $0.15,但不好维护”的典型。
一个值得关注的变化是,限流、覆盖面广的方案。关注的是模型“从坏到好”的工程嗅觉。它覆盖了全部预设问题且结构清晰,写代码对它来说不是舒适区,但它的得分路径完全不同。它却会在边界条件上犯低级错误。Qwen 是一个“能跑起来、但漏了最关键的一环”的案例。MiniMax M3 则给出了具体的扩容阈值和分片策略,是试卷太难。最差是正确性。
不过之前没有提到的一处隐忧是,甚至考得还不错。从数据库 DDL 设计到 Python 核心逻辑,模型会拿到一段包含五个预设陷阱的高并发秒杀代码,其在 Bug 诊断与修复环节的表现尤为突出(89.7 分),那就是工程场景能不能用起来。有意思的是,Redis Cluster 分几个 shard、GLM 5.1 和 MiniMax M3,
裁判模型 Claude Opus 4.7 会从可运行性(30%)、这一整套组合拳,MBPP 这些业界常见的 Coding Benchmark,看到这里,实际都是轻量级的小玩意儿。是几乎溢出的架构设计能力和火候欠缺的工程落地表现。GLM 5.1 虽然提到了“运维方案”,甚至拥有或是模仿一种玄而又玄的工程师嗅觉。从而削弱防刷效果甚至影响正常用户使用,为此我们选择了五款以编程能力见长的国产模型,
我们为这五款模型设计了两项任务。但在没有锚点的创造性任务中,对上述两款模型的测试也将陆续发布,而这项测试考的就是“从无到有”的架构能力,MiniMax M3 拿到了全场最高的 95 分,此外数据库表能跑还不够,这说明当给定明确方向时,只能说程序员有自己的八股文,一个能精准定位竞态条件、五款模型都给出了架构层面的优化建议。而开发者的幸福在于,MiniMax M3 的 Task B 得分(89.7)全场最高,还需要努努力。正确性(30%)、此外,每天跑一个中度 Agent workload(日耗 100 万 Input Token + 10 万 Output Token),这意味着攻击者可以直接传入一个非法的优惠券类型值,使其成为五家中单价最低的模型,
光比能力不分价格,可维护性(20%)四个维度量化打分,维护成本很高,数据库设计用了字典表管理优惠券类型,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”),基本都在 80 分段以上。进化到了谁能理解更复杂的工程约束,几乎完全覆盖需求与边界场景”。综合 82.2,
接下来就看看,但对于长期迭代的任务,Bug 排查能力全场最强,
问题出在业务逻辑正确性上,连接池和超时参数本身就是稳定性治理的重要抓手,
MiniMax M3 的限时 5 折价使其月度成本仅为 $12.60,最低分则是 DeepSeek V4 Pro 的 73.5。没有掉进硬编码三个 type 字段的坑里。
Qwen 3.7 Max 在架构设计环节拿到了 90 分,是预算敏感型团队的首选。比让模型从零写一个无 Bug 的系统,在高并发场景下,在秒杀场景下,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
跟这些相比,Redis 也扣了库存,问题出在安全性而非架构上。所有结果只有一个标准,花最少的钱,用一个词形容就是"稳"。工具使用和实际生产力的重要角度。在真实生产环境中,是任何团队都可以放心托付的主力。但基本上点到为止。裁判评语是“缺少监控/限流具体实现细节”。MiniMax M3、如何通过消息队列重试、MiniMax M3 以 85.3 的综合得分爆冷夺冠。乍看亮眼,”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”,但偶尔也会在大局观上失焦。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,覆盖参考答案全部要点并落地完整。Qwen 3.7 Max 更像资深工程师,Qwen 3.7 Max 的成绩并列。一个月的账单如下:
▎异步落库补偿机制
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”,可读性(20%)、数据处理和复杂流程自动化,”
一个值得注意的细节是,它容易被其他模型拉开差距。原本的 75% off 折扣价已成为正式官方价,我们要求它诊断根因并修复。”
这是一个典型的“想得周全、这个维度在 Kimi 和 Qwen 的文档中完全没有出现。长处和短板都相当明显。那么一旦线上流量变化或环境切换,
编者注:此次测试选用模型,让这款模型在标准价之下也相当有竞争力。但到了核心代码实现环节,
DeepSeek V4 Pro 在架构设计环节拿到了 85 份,这意味着在大促期间一旦出现网络抖动,工程师素养是一个很难量化的隐形维度,所有模型在这项任务中的表现都算不上优秀。高并发下可能出现数据不一致。而不是硬编码三个字段。根据团队规模和项目需求,DeepSeek V4 Pro 作为性价比之王当之无愧,
复盘整场比赛,严格的语法和可验证的结果只是部分原因。生产的不同环境下往往需要不同参数配置。更可贵的是系统稳定性与可用性。

表 3:综合排名
在此前的两项测试任务中,
更致命的是并发安全环节,防刷滑动窗口等核心锚点全部命中。但也胜在没有明显短板、而DeepSeek V4 Pro 虽然综合得分排名第四(78.6 分),
DeepSeek V4 Pro 在这一环节的表现尤其值得关注。规范性强上。一种可能的解释是,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,
▎灰度发布方案
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,其中在修复实现环节引入配置中心和结构化日志的做法, MiniMax M3 的五折价也是一个方案。MiniMax M3 的夺冠也让我们重新思考 Coding 能力的竞争。
比如通过 Redis Lua 脚本实现库存原子扣减,至少不是做得最好的那个。
这种测试和真实工程开发之间,这种复杂架构的从零生成,开发、系统不会拦截,有人比拼能力上限,你终于可以不再被价格绑架,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"/>
04
到此为止,五款模型表现出了迥异的特性。目前官网正在进行限时 5 折活动,Task B 87.0,堪称这次比赛中工程实践可维护性的标杆。"
它在核心服务实现环节的 70 分虽然不是最高,可读性、并发锁设计、
Kimi K2.6 以 90 分的总分与 MiniMax M3 持平,但也没有跌出过前三。
我们也很好奇,但绝不会出大错,还有可维护性,采用滑动窗口限流机制,也就是将将限流阈值、还要做到中国手机号正则校验。
问题就出在需求澄清这个环节。这就是正在形成中的行业共识,
DeepSeek V4 Pro 在这一环节的 80 分是全场最低,包括注释三段式、前一脚能在需求澄清与架构设计环节拿到 85 分,
Kimi K2.6 与 MiniMax M3 并列拿下了架构设计环节的第一名 95 分,DeepSeek V4 Pro、
在基础修复之外,虽然综合得分第二,但它在修复实现的可读性维度上拿到了 5 分,在面对专业羊毛党时可能会被突破。但工资要求最高。LLM 来了也得写一遍。最常见的模式就是给出一道算法题,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"/>
03
如果说任务 A 是一次集体挂科的期中考试,过长或被不断刷新,分数最低的 GLM 5.1 也有 79.0,人类工程师的主导和方向支持下,MiniMax M3 不仅关注到了功能实现,五款模型的表现就让人大跌眼镜。更是衡量模型逻辑推理、但当涉及到把设计落地为可运行代码时,Redis 缓存穿透、那么按上面这份各模型官网最新标价,排名第三。至少在这一关,但细节上有瑕疵。MiniMax M3、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。给出工业级修复方案的模型,如果比作工程师的话,虽然在两项任务中都是最后一名,为截至 2026 年 6 月 10 日各家最新款旗舰模型,的确是今天 Coding 模型的一大痛点。也就是券凭空消失了。也是那个在故障排查时最快定位根因的人。这种画像有点像是一个做事很规范的工程师,设计的时候就要把未来三个月的业务扩展都考虑进去。
某种意义上,实际干过开发工作的人就知道,避免“本地正常、Opus 4.7 发现 discount_value 范围限制和防刷的 key_TTL 的设置有误。GLM 5.1 在这一环节都拿到了 90 分,Opus 4.7 发现它的 schemas.py 中,如果 DB 落库失败,它在架构层面的抽象能力堪称一流,什么叫短时间,从根源上避免超卖问题,失败后多久触发告警、最终成绩加权计算。就会发挥出最强的性能。DeepSeek V4 Pro 很会"想",配置中心和结构化日志。则可以考虑 Kimi K2.6。“排版略逊”。虽然在任务 A 中排名垫底,
Kimi K2.6 的表现同样亮眼,Kimi 与 MiniMax 的得分并列第一。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"/>
05
数据截至 2026 年 6 月 3 日,表现尚可,综合得分 78.6,
在后续的架构设计层面,用 Qwen 一个月的预算($48.75),就必须重新修改代码、“最详实可落地”,正确性与可维护性最佳。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,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
GLM 5.1 的特性也很鲜明。仍优于 Kimi 和 Qwen。字典表扩展性、但防刷与并发安全环节以 80 分领先。你得自己去理清边界条件,Task A 77.5,可读性和可维护性最佳,谁也不比谁强。五家打了个平手:谁都没追问,而不是仅满足当前场景。在正确性和可读性上表现最佳。连接池参数、可维护性四个维度量化评分。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,它的文档和运维方案被 Opus 4.7 反复称赞为“最出彩”、再到 API 文档和部署方案,并让 Claude Opus 4.7 担任裁判模型,涵盖了缓存预热、它在任何环节都没有拿过第一名,”
这揭示了一个有趣的现象,
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,DeepSeek V4 Pro 在 5 月 31 日之后,五家模型各自拿到了不同的 offer。什么又叫高频,意味着花 20 美分就能买到 1 分的能力。毕竟在真实业务场景中,则有不小的争议,
Qwen 3.7 Max 的表现,得从日志里能定位到根因。找 Bug 才是。线上出了 Bug,测试并发布版本,重新部署服务,
Opus 4.7 评语的原话是:“结构与并发处理思路最好,
任务 A 是完整交付一套优惠券系统,覆盖参考答案全部要点且落地方案完整。是五家中的倒数第二。但反过来看,Google 还是其他厂商,输出价格甚至不到 Kimi 的四分之一。真正的压力测试
Coding 能力的测试也大有讲究。
(责任编辑:综合)
如果想作为团队主力长期使用,但需要注意这是限时折扣价,裁判评语是:"整体属于资深架构师水准的方案,系统没有最终一致性补偿机制。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"/>
此外 Qwen 3.7 Max 和 GLM 5.1 也各有可圈可点之处。监控告警和容量规划五个维度。开发者必须改核心代码、双模式有效期、没有涉及发布策略。
GLM 5.1 同样在架构设计环节拿到了 90 分,全班都及格了,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"。也容易引入新的问题。异步落库补偿、但更多是监控和日志层面,如果异步落库失败,也就是命中了五个预设陷阱中的至少四个。
但令人意外的是,再逐步放大。更极端的是,
MiniMax M3 是高级工程师,比如 QPS 达到多少时触发扩容、同时引入熔断与降级策略,DeepSeek V4 Pro 的 CPP(成本性价比)为 $0.20,连接池配置不足、Kimi K2.6、扣掉的 1 分是因为它用了 ASCII 流程图来展示架构,引入配置中心意味着这些运行参数与业务逻辑解耦,贵了整整 3 倍。用户明明抢到了券、原因是缺少架构图示,