openclaw作者说这是衡量AI模型编程水平最好最权威的榜单，佬们看看符合你们的认知吗？

dong 2026-06-25 20:31 1

deepswe，据说是最权威的榜单。

我感觉挺准的，

例如gpt性能最强（除去被米国封掉的claude fable5），

再例如~~glm5.2也并没有大家吹的那么厉害~~ glm5.2是除了gpt和claude之外编程能力最强的模型，国人之光。

另外deepseek v4有那么差吗？倒数第二。gemini有那么差吗？倒数第一，我平时用它俩轻度写点代码还可以啊（没钱用gpt和claude^-^^-^^-^）

最新回复 (19)

hlool 06-25 20:33

1楼

肥波5比gpt高百分之20+的体感，感觉也不太准
Hifumi Mizuhara 06-25 20:33

2楼

Opus 4.6 < 3.5 Flash？

虽然早就知道这个榜了

但是难以恭维这个点，毕竟都曾经重度使用过
dong 楼主 06-25 20:34

3楼

从图表上看，fable5比gpt只高3%，何况它现在用不了
还是不懂 06-25 20:35

4楼

这一套测试集是需求比较明确的long horizon（感觉偏debugging这种, 或者是加一个功能，但是提供明确的边界

是gpt系列的强项

gpt这种感觉不适合探索性的vibe，容易搞成一坨
neteroster 06-25 20:36

5楼

然而现在 codex 订阅和 API 用的（测试一般用API）GPT 是很可能不一样的，codex 订阅reasoning 516截断就老实了… OpenAI 似乎在 codex 上大范围测试风控降智机制，作为曾经的gpt/oai吹我现在是彻底吹不动了，目前opus+glm+composer组合用的比之前爽多了

另外说回来，任何榜单都会有bias，应当仔细看看他的任务是不是符合你的用例
dong 楼主 06-25 20:36

6楼

你重度使用是用来编程吗？另外最下面那个榜单opus4.6比3.5flash高一名
puppywang 06-25 20:37

7楼

这哥们现在是openai的员工，你觉得他的屁股能正么？
dong 楼主 06-25 20:37

8楼

gpt解决其他模型解决不了的疑难问题还是厉害的
Hifumi Mizuhara 06-25 20:38

9楼

是的

但是我看到opus4.6低于3.5 Flash啊，你给的图

3.5 Flash被低估了确实是有一点，但是不能和opus 4.6相比
Rene 06-25 20:38

10楼

openclaw作者不都入职 CloseAI 了吗，真能客观到哪儿去 ^-^
dong 楼主 06-25 20:38

11楼

就不能是他因为gpt强所以才入职的吗 ^-^
卡里姆•汗 06-25 20:39

12楼

glm确实没有这么厉害，但是不错前端加gpt5.5(high)六七成后端足够下位替代了，我现在一般是全程glm5.2，出问题了修不了才gpt5.5(high)，做后期难题的修理工作
dong 楼主 06-25 20:40

13楼

composer是啥？

你写个代码要用三个模型？好麻烦。

另外现在谁都降智，我常用的gemini pro就降成傻子了
Hifumi Mizuhara 06-25 20:40

14楼

composer是cursor基于kimi2.5整出来的

Gemini pro有没有不降智的时候^-^
dong 楼主 06-25 20:41

15楼

既然出问题修不了用gpt,那为啥不全程用gpt,把问题消灭在萌芽中？
lanvent 06-25 20:42

16楼

排名很符合体感，实测glm 5.2在复杂任务确实不咋样
dong 楼主 06-25 20:45

17楼

那些吹glm5.2的是不是都收费了^-^
neteroster 06-25 20:45

18楼

composer2.5是cursor的模型

opus 只是在少数复杂任务情况用，主用 glm-5.2，composer太快了所以有的时候还是忍不住用，有的时候快就是好。glm 我用 opencode go + fireworks 之前的赠金账户，并不降智（第三方提供商很少有精力搞这些乱七八糟的）

我觉得gpt的优点是问题解决能力强，也就是“完成目标”这一点好，但单论设计和代码taste我真的觉得不如上述任意一个，写一堆兜底代码，很多任务中使用很保守的参数导致很诡异的问题etc… 也许哪一天我遇到上面模型都解决不了的问题还会找回gpt
卡里姆•汗 06-25 20:46

19楼

答案是诗人前端，gpt各方便都好，就是私人前端，不然我也不会专门买kimi来补，但是发现还是glm好