2. Linux.do
  3. 记一次对 Kimi K2.6 的真实项目需求的横向评测（首个 T1 榜国产模型）

记一次对 Kimi K2.6 的真实项目需求的横向评测（首个 T1 榜国产模型）

SmallMain 2026-04-21 15:17 1

项目


这是一个 Unity C# 项目，我进行测试的是一份皮肤系统需求案，我已经做了好预制体，而模型需要编写代码。


本轮与上两轮评测的项目和环境都完全一致：



  • 第一轮

  • …

  • 第十轮


模型来源



  • Kimi K2.6: 官方 API


速度


















































































































































































































































排名 模型 时间（分钟） 备注
1 Grok 4.20 0309 Reasoning 3
2 Minimax M2.1 5
3 Minimax M2.5 6
4 Step-3.5-Flash 6
5 Mimo V2 Omni 7
6 Doubao-Seed-2.0-Lite 7
7 GPT-5.4(low) 8
8 Doubao-Seed-2.0-Pro 9
9 Doubao-Seed-2.0-Code 9
10 Qwen3-Coder-Next 9
11 Claude Sonnet 4.6(high) 9
12 Qwen3.5-Plus 9
13 GLM-5 Turbo 10
14 Minimax M2.7 10 Highspeed 版本
15 Qwen3.5-Flash 10
16 GPT-5.3-Codex(medium) 10
17 Gemini 3 Pro 11
18 Kimi K2.5 11
19 GLM 4.7 12
20 GPT-5.4(high) 14
21 Mimo V2 Pro 15
22 Claude Opus 4.5 15
23 Claude Sonnet 4.5 16
24 GPT-5.3-Codex(high) 16 触发了一次上下文压缩
25 GPT-5.3-Codex(xhigh) 16
26 GPT-5.4(medium) 17
27 GPT-5.4(xhigh) 18
28 Claude-Opus-4.7(Max) 20
29 GLM-5 20
30 DeppSeek V3.2 22
31 Gemini 3 Flash 22
32 KAT-Coder-Pro V2 24
33 GPT 5.2(xhigh) 25
34 Claude-Opus-4.6(Max) 26
35 Gemini 3.1 Pro(high) 29 受 429 请求频率限制影响
36 Kimi K2.6 33
37 Qwen3.5 9B GGUF Q4_K_XL 35 MBP M4 Pro 48GB 本地部署
38 Qwen3.5 35B A3B GGUF Q4_K_XL 36 MBP M4 Pro 48GB 本地部署

令牌数



  • Kimi K2.6: 9.9M(¥8.63, 输出 ¥2.07 + 缓存输入 ¥5.346 + 无缓存输入 ¥1.22)


代码行数



  • Kimi K2.6: +1422, -13


完成度


Kimi K2.6


审查结论:




详细


  1. SkinAttrUI 属性总览不完整

    InitFromHomeInfo 中使用中皮肤的 Attrs 初始化为空：SkinDataMgr.cs:80-109

    GetUsingSkinTotalAttrs() 只聚合本地已加载 owned skin 的 Attrs：SkinDataMgr.cs:246-270

    只打开神针页时，其他类型使用中皮肤未请求列表，属性总览会漏算。

    更稳妥应按“所有正在使用 skinId”从配置 AttributionAdd 聚合。




  2. 预览内容有类型错误

    称号预览：SkinUI.cs:471-479 把“称号皮肤资源”也塞给 m_imgBuilding，应展示称号 + 当前/默认神针建筑预览。

    气泡预览：SkinUI.cs:461-469 没有刷新 m_imgBorder2，缺当前头像框表现。




  3. onlyHas 自动回退刷新顺序错误

    SkinUI.cs:128-133 先刷新列表，再 AutoSelectValidSkin()；当当前选中被过滤掉时，选中值变了但预览/按钮/高亮不会同步刷新。





代码质量


最终总结



















































































































































































































































排名 模型/层级 说明
Tier 0 该等级的模型实现与线上基线高度一致。
1 GPT 5.4(xhigh)
2 GPT 5.2(xhigh)
3 GPT-5.3-Codex(xhigh)
Tier 1 该等级的模型的代码正确完整且可编译，仅少量边界问题或轻微不一致。
4 GPT 5.4(high)
5 GPT 5.4(medium)
6 Kimi K2.6
7 GPT-5.3-Codex(high)
8 GPT-5.3-Codex(medium)
9 Claude Opus 4.6(Max)
10 GPT 5.2(medium)
11 GPT 5.4(low)
12 GPT 5.2 Codex(xhigh)
13 Claude Opus 4.5
14 Claude Sonnet 4.5
Tier 2 该等级的模型的代码至少可编译或仅极少量的语法错误，但是存在明显功能错误、遗漏或与需求/线上不一致。
15 GLM 5.1
16 GLM 5
17 Kimi K2.5
18 Claude Sonnet 4.6(high)
19 Qwen3.5-Plus
20 KAT-Coder-Pro V2
Tier 3 该等级的模型的问题很多且无法编译，或者存在不少幻觉。
21 Claude Opus 4.7(Max)
22 GLM 5 Turbo
23 GLM 4.7
24 Gemini 3.1 Pro(high)
25 Mimo V2 Pro
26 Mimo V2 Omni
27 Minimax M2.7
28 Minimax M2.5
29 Step-3.5-Flash
30 Qwen3-Coder-Next
31 Gemini 3 Pro
32 Gemini 3 Flash
33 Doubao-Seed-2.0-Code
34 Doubao-Seed-2.0-Pro
35 Doubao-Seed-2.0-Lite
36 Qwen3.5-Flash
37 Qwen3.5 35B A3B GGUF Q4_K_XL
38 Qwen3.5 9B GGUF Q4_K_XL
39 Grok 4.20 0309 Reasoning
40 DeepSeek V3.2
41 Minimax M2.1
42 GPT 5.1 Codex mini(medium)


体外话：很多人想知道 Qwen 3.6 全系列的评测，其实全系列都已测试过，但均未有很好的成绩，几乎都有一点编译错误，所以就不额外发帖了。如果你玩端侧的话，推荐 Qwen3.6 35B A3B 这个模型，质量确实非常不错。




  • Kimi K2.6 花费的时间是 33 分钟，这个速度可以说很慢了，对比 GPT-5.4(medium) 的话慢了一倍，但对比 Opus 4.6(Max) 只慢了 20% 左右。

  • 总花费接近一千万 Token，使用 API 的成本为 8.63 人民币，这个花费不算非常高也谈不上便宜，但比 GLM 5.1 的价格要便宜一点。

  • 缓存命中效果不错，大约 90% 的输入都命中了缓存。

  • Kimi K2.6 做对了绝大部分模型都未做对的系统注册和入口函数的改写，别看这两个改动都只需要一句代码，但是 GPT 与 Claude 的差距几乎总在这里，因为需求案是没有主动提到这两点的，属于是项目框架和已有功能的改进，如果模型不深入阅读代码库，则不会知道要写这两行代码。

  • 另一个模型常犯的协议类型映射问题，Kimi K2.6 也做对了。

  • 而以上两点 Opus 4.6 均未正确实现，当然 Opus 4.6 还有其它一些小问题，Kimi K2.6 也犯了几个小问题，但是以上两点决定了这个需求是否基本正确，是更重要的。

  • GPT 5.3 Codex High 与 Medium 这两个思考程度的模型，有一个未写对协议类型映射，有一个犯了一两个小问题，其实将 Kimi K2.6 排在它们前面或者后面都说得过去，我认为水平接近。

  • 综合以上几点，并再综合我非常高兴终于有一个国产模型可以踏入 T1 行列，所以虽然水平相当，但我还是把 Kimi K2.6 排在 GPT 5.3 Codex 的前面！

  • 不敢相信，以为这一刻会来的更晚，但它确实来了！

  • 所有模型均采用一次过的方式完成测评，所以可能存在偶然性，大家可以积极试一试 Kimi K2.6，看看它的表现是否能达到评测的水平，期待你的反馈！


本次继续使用自己开发的开源 VS Code 插件 Unify Chat Provider 以实现在 Copilot 中使用以上模型。

最新回复 (19)
  • SmallMain 楼主 04-21 15:18
    1楼

    这次的成绩不敢相信到是我用 GPT-5.4 xhigh 对代码从头进行审查了两次得出的问题报告。

  • 比特 04-21 15:19
    2楼

    头一次看到真实场景的多模型测试评估 ，佬还是太权威了^-^

  • LiangYin 04-21 15:19
    3楼

    佬的Kimi2.6最终排名的排位数是不是写错了？

  • admin 04-21 15:19
    4楼

    kimi2.6如此强势？ 但是价格太贵了

  • Zenn 04-21 15:19
    5楼

    牛逼，Kimi赶紧干掉智谱这个^-^，智谱一家独大久矣

  • mi tu 04-21 15:20
    6楼

    kimi这模型的默认思考做的特别长，感觉确实增强了模型的能力但是正文输出时间要等好久，和之前的dsr1一样了

    配图



  • 哈雷彗星 04-21 15:20
    7楼

    窝趣 T1 吗？

    那不得不尝试一下了

  • karx 04-21 15:20
    8楼

    这个榜单怎么opus4.6路边一条的吗（非反问）

  • 哈雷彗星 04-21 15:22
    9楼

    题主当时似乎用的不是 Subscription plan 的

  • Yostia 04-21 15:22
    10楼

    Kimi K2.5刚出的时候记得表现也很好，后来一路降智，希望K2.6能持久点 ^-^

  • SmallMain 楼主 04-21 15:23
    11楼

    可以翻历史帖子，每个模型均使用 GPT-5.4 xhigh 得出审查结论，Opus 4.6 的错误点相比 GPT-5.4 xhigh 是比较多。

    但其实 T1 以上的模型之间差距并不大了，主要在帖子中说的那三个常错点是否做对。

  • 超级风车 04-21 15:28
    12楼

    支持大佬，每期都看，这下可以考虑支持下kimi的订阅了

  • purplespeed 04-21 15:32
    13楼

    grok 4.2这么拉吗,都跟glm5坐一桌了, 差距好大

  • Viber 04-21 15:37
    14楼

    非常感谢佬友测评，最近公司一直在讨论这个

  • purplespeed 04-21 15:39
    15楼

    之前没咋用过grok, 这也太差劲了, 好赖也是也是新版模型了, 这都断代了

  • 星星棠 04-21 15:40
    16楼

    太好了，这样看似乎终于要崛起了吗 ，辛苦佬的测试

  • 嬴麻 04-21 15:41
    17楼

    grok只适合搜索和搞瑟瑟，真干活别用它

  • HaroldXin 04-21 15:42
    18楼

    之前在群里探讨grok和doubao到底哪个强，这下好了，grok变成大号doubao了

  • 我有吉士先走了 04-21 15:42
    19楼

    grok日常搜索还不错，目前我主力搜索ai

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐