2. Linux.do
  3. 一些新模型的测试结果（包含Kimi K2.7 Code）

一些新模型的测试结果（包含Kimi K2.7 Code）

坐忘 2026-06-12 22:29 1

先说感受吧：



  1. kimi-k2.7-code 75分：原地踏步，不过速度快了不少，以前的版本是真慢。

  2. grok build 0.1 25分：被寄予厚望一统天下，却表现拉跨。好在版本号起的好，0.1，仍然是御三家的最大挑战者。

  3. composer 2.5 55分：虽然在kimi k2.5的基础上额外训练和强化学习，但还是没超过k2.6。

  4. MAI-Code-1-Flash 5分：和minimax 2.7老师坐一桌，前期太依赖OpenAI，起步晚了。


以下是祖传bug新增测试结果：



  • kimi-k2.7-code: 同 claude 4.6 opus（发现并解决表面问题。发现深层问题，没有自动修改，能提示用户需要手动修改。）

  • grok build 0.1: 未发现问题。提示后，只解决了表面问题。（不如kimi k2.5）

  • composer 2.5: 同claude 4.6 Sonnet（发现并解决表面问题。发现深层问题，但改错了），错误相同。这一点表现不如kimi k2.6（发现深层问题，没有自动修改，能提示用户需要手动修改。）

  • MAI-Code-1-Flash: 未发现问题。错误的修改了两处不是bug的代码，不想提醒它再试一次了，和MiniMax 2.7坐一桌吧






原始测试数据

祖传bug测了几个模型的能力：



  1. minimax 2.7: 未发现问题。提示到具体代码行，仍然不承认有问题。

  2. mimo-v2-pro: 怀疑到具体行数，这个位置是对的，但最终判定不是bug。

  3. glm 5: 发现并解决问题，但只从表面上解决了。

  4. claude 4.6 opus: 发现并解决表面问题。发现深层问题，没有自动修改，能提示用户需要手动修改。

  5. GPT 5.4 xhigh: 发现了用户都没想到的深层问题，自动修改，一次改对。

  6. kimi-2.5：未发现问题。然后提示代码行号，态度转变发现并解决表面问题。同时发现深层问题，但改错了。（速度很慢，比GTP还慢）

  7. Gemini 3.1 pro preview(Copilot): 同glm 5。（速度快，比其他快10倍）

  8. claude 4.6 Sonnet: 发现并解决表面问题。发现深层问题，但改错了。和kimi-2.5错的一样。

  9. glm 5.1: 同claude 4.6 Sonnet。

  10. doubao-seed-2.0-code: 同kimi-2.5

  11. qwen3.6-plus preview free: 同glm 5

  12. stepfun/step-3.5-flash^-^ 同glm 5.1。

  13. Gemini 3.1 pro (Antigravity): 发现了用户都没想到的深层问题，自动修改，一次改对。深层次问题用最少的代码修复，比GPT 5.4灵性。

  14. kimi-k2.6: 同claude 4.6 opus。

  15. GPT 5.5 xhigh: 1. 解决表面问题。2. 解决深层问题，改动代码量比5.4少，比gemini3.1多。3. 发现引用的库的bug，没有改动库，本地业务代码优雅规避。

  16. deepseek v4 pro (stepFun路由，思考强度未知)：同claude 4.6 opus，能提示潜在问题，也分析的透彻。太慢了11分钟，26个请求，所有测试里最慢的。

  17. claude 4.7 opus max: 同claude 4.6 opus，对于潜在问题没有自动处理，提出3个选项，第一个选项是Gemini 3.1 pro (Antigravity)那个改动最少，最灵性的。耗时2分钟，15个请求。

  18. mimo-v2.5-pro: 同claude 4.6 opus。耗时2分钟。共测试4次，有2次没检查出问题，不稳定。

  19. 新增Gemini 3.5 Flash (High) (Antigravity 2.1): 未发现问题。提示到具体代码行，只从表面上解决了。速度非常快，42秒。

  20. MiniMax M3 Free: 1. 解决表面问题。2. 解决深层问题，改动代码量比5.4少，比gemini3.1多。表现大于GPT 5.4 xhigh。

    使用的是opencode免费版，耗时7m51s。看思考过程，该想到的都想到了，不该读的文件也读了，行为和deepseek v4有点像。如果使用token plan和MiniMax code，也许速度会快点。

  21. Qwen 3.7 Max: Qoder IDE，开启Spec驱动。Max解决了表面问题。第二层深度问题提供三个方案，最好的方案和GPT 5.4相同，这点不及Opus 4.7，GPT 5.5合Gemini 3.1。第三层问题，也就是公共库的bug，提供两个方案改或不改，但如果选了不改，却没有本地规避，不及GTP 5.5。是第二个发现第三层bug的老师。

  22. Qwen 3.7 Plus: Qoder IDE，开启Spec驱动。同claude 4.6 Sonnet。

  23. DeepSeek V4 Pro: Qoder IDE，开启Spec驱动。解决表面问题。第二层改错了。竟然发现第三层引用的库的bug，没有改动库，本地业务代码优雅规避，这点同GPT 5.5，也是第三个发现三层bug的老师。但第二层改错了。

  24. grok build 0.1: 未发现问题。提示后，只解决了表面问题（不如kimi k2.5）。同Gemini 3.5 Flash (High)，但不如它快。

  25. composer 2.5: 同claude 4.6 Sonnet（发现并解决表面问题。发现深层问题，但改错了），错误相同。这一点表现不如kimi k2.6（发现深层问题，没有自动修改，能提示用户需要手动修改。）

  26. MAI-Code-1-Flash: 未发现问题。错误的修改了两处不是bug的代码，不想提醒它再试一次了，和MiniMax 2.7坐一桌吧

  27. kimi-k2.7-code: 同 claude 4.6 opus（发现并解决表面问题。发现深层问题，没有自动修改，能提示用户需要手动修改。）


最新回复 (9)
  • jameswind 06-12 22:43
    1楼

    谢谢佬的测评，这么看kimi新发布的k2.7-code还不错。打算用用试一试

  • yxbj 06-12 22:45
    2楼

    QWEN3.7MAX这么强么?

    能排4.7opus max前面？

  • yxbj 06-12 22:46
    3楼

    还有个问题现在antigravity能达到opus的水平么？

    差距主要在哪里？S-减的是啥？

  • ANON 06-12 22:48
    4楼

    粗看一眼, 非常难以认同

    (题外话, 看ID是老熟人, 上次也发过争议不小的帖子.

  • mos 06-12 22:51
    5楼

    qwen3.7max咋排到4.7上去的，很一般

  • ydragon 06-12 22:55
    6楼

    glm被你排这个后面，真的假的离谱。

  • 风遇 06-12 22:58
    7楼

    Kimi2.7code 用上了，速度快很多，可能是新模型，智力强了一些，额度燃烧快。然而有个android bug一直解决不了 ^-^虽然它比kimi2.6提出了耳目一新的思路和解决方案。

  • lucky_elk 06-12 23:13
    8楼

    QWEN3.7MAX这么强么？？？？

  • 庄襄王 06-12 23:17
    9楼

    K2.7似乎有问题，幻觉严重，实际场景多次复现

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐