顶极模型大比拼，到底谁才是真正的编程之王？

从过年至今貌似是我们AI圈的习惯，各大厂都趁这个时候放大招。由其是编程大模型这个方面是极为激烈，Gemini 3 pro 刚出场封神又突然遭遇GLM5的数据打脸，然后又是Seed 2.0的闪亮登场。作为20几年的技术老兵，以前都会只以一种波澜不惊的心态来看这些瓜，而且今年似乎有点不一样，可能是刚发布的mindx和昨晚与 @ronaldchan2005 围绕当下对AI助手选型的问题做了一次很深入的交流，让我了解到他们内心的关注点与担忧的地方。
我突然想到能不能用这些国内与国外的顶级编程大模型给mindx来个全面的评测，一来我可以看看这些大模型是否是像他们宣传的那样牛X，二来也可以让我和关注mindx的朋友们用放大镜来看看这个项目本身的能力可以达到什么水平，毕竟自己开发的项目自己说能打没有什么说服力，而让这些被公认的顶流模型来做个客观与专业的评测，估计会比较有看头。毕竟条件问题并不是在这个编程的“氪金”时代，谁都用得到Opus和Gemini，GLM5这些大模型来疯狂地输出吧。

@ronaldchan2005 是深圳某公司的技术总监，很感谢他给予的帮助得以撰写本文

首先，参与这次评测的大模型有 Opus 4.7, Gemini , GML5, Doubao-Seed-2.0-Code，我分别用这4大模型执行我以下的指令：

> 我希望你能将 mindx从综合合性角度，应用角度，架构设计角度和深入技术细节的角度对MindX作出一个客观真实并且全面的中文评估报告，
> 并将报告保存为markdown.并且我希望得到的是每个角度的专项评测报告，而不是一份单一综述，可以吗？
> 另外，你不要参考 CLAUDE.md这些来源于外其它应用生成的文件作为参考，而是应该详细查阅项目的源代码，
> 从你的角度直观、准确并且客观地做出这些评估报告。

这里略去1千字以及漫长的等待过程 。。。

说实在话，这10多年来一直是做技术老大，习惯了参与别人的Code Review 从来没有试过让权威来给我写的代码做这样的评测，其实我内心是很矛盾的，不过我对自己的架构能力与编码能力也是有信心的，再者我也坚信mindx的里面是正确的，有什么问题就应该在这个最脆弱的婴儿期全给扒出来，而不是给用户挖坑埋雷，最后才来翻车。

说实在的评测结果是让我大跌眼镜的，因为这是4份详尽的报告我当然不会全部贴到这里，只会从这些报告里面挑出最有意思也最有代表性的内容。

先从总体来讲吧，这是我第一次用 Opus4.7和Gemini3，说实在的Gemini3有点让我失望，失望的原因主要是它作出的评估有点太过表面了，是这4大模型最草率的内容也是最少的，表面上的内容它是能看到但更深层次的问题却没有提出几个，评估的目的是我想了解这个项目最大的问题是什么，我能根据评估找出mindx存在的问题，甚至希望能找到更深入的方向。但Gemini3完全没有这方面的内容。

次之的是 Doubao-Seed-2.0-Code，它确实与宣传中说的那样属于综合性比较平均的模型，而且它也是实现mindx的主力模型之一，而且我发现它的情感因素有点多，喜欢“捧臭脚”净爱说你想听的东西，非常有“情商”文字用词完全落在你很舒服的点上，就算是说缺点也不会觉得很难受。

GLM5吧也是mindx的主力模型，在写代码的时候我发现它的后端能力要弱于Doubao-Seed-2.0-Code, 但前端能力超强！审美能力超强！Dashboard的开发几乎全仰仗于它，可以放手干的那种。但在提供全面的深度评测是能找到的一些问题，但感觉上只是比Doubao-Seed-2.0-Code好一点点，还是存在很多的盲点，GLM5貌似已经改掉了爱说瞎话的毛病至少是比GLM4.7（mindx的初版就是GLM4.7做的，代码质量极低，架构能力极其拉跨，什么都说明白，写出来的东西乱七八糟，只能到能跑的水平）好很多了，但是它还是比较固执，对于一些都看出来的问题，它还是认为没有问题。

最让我惊艳的就是 Opus 4.7了，mindx 在另外三家的评分都达到了8.3以上，但却在Opus上滑铁卢了，只有6.0多一点。这很让我吃惊，仔细看了报告的每一个部分发现虽然 Opus4.7是3家外速度最低，最冰冷，最吃Tokens的一个，但是它却在各个角度都给出了非常中肯的评价，甚至如何解决各个问题都给出明确的解决方案或者解决方向，有几个点甚至是让我看到了自己的认知盲区！虽然它的用词有点像裁判员，极其直白甚至是不留情面，作为作者本人看了真的会非常不舒服，但却不能不服！

这样一测效果立马显现，Opus 是超级专家级的，就是速度慢狂吃Token. GLM5却确是能接近Opus但差距还是明显，由其是对一些相对不常见的高级代码或者架构上 GLM5比Opus是落后的，而Doubao-Seed-2.0-Code是最有人情味的，写代码会比GLM更谨慎与细腻，会中途提问错改乱改的问题大大降低，Gemini3吧，我看完它写的报告就没什么冲动用它了，不过后续还是会具体在代码中尝试一下的，至少难得可以一试。

总的来说，这次评测收获颇丰，Opus 点出了 mindx几个很要命的弱点，给我算是兜头来了一盆冷水，要想mindx健康发展必须先解决面前的几个大问题，否则就是埋下巨雷。（当然，我估计有Opus帮忙这些问题今天晚上就都可以全部给消灭 v1.0.2就应该不存出现这今天所发现的全部问题了）

如果你想知道这些评测报告里面究竟说了点啥各们可以移步去 mindx的Github里面看报告，我已经将全部的报告原封不动地Push到Github上了。

如果你在实用中所感受到的与我并不相同还请在评论区不吝赐教。