[Kimi K3 测评] 我是一直吹国模的，这次我要泼冷水

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。）

    
    


28. 
    

    GLM-5.2 Thinking (ZCode 3.0): 96分。1. 解决表面问题。2. 解决深层问题。3. 发现引用的库的bug，没有改动库，没改本地代码规避库的bug。第四个发现三层bug的老师。中间改错了一次，错误和glm-5.1相同，但自己马上意识到改错，自动回滚了。耗时17分18秒。非常慢，不知道是不是下午的问题，中间还跳出一次人机认证。所有模型中最慢的，打破deepseek 11分钟的记录。评分和Qwen 3.7 Max一样，96分，但太慢了，排它后面吧，给Qwen升到97分。

    
    


29. 
    

    Claude Opus 4.8 Max (Cursor Max Mode): 100分。同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。），但gpt-5.5只用了2分多钟。第5个发现三层bug的老师。Cursor竟然没有计时功能，估计4分钟以上吧。

    
    


30. 
    

    K3 Max (kimi-cli / kimi work) 同 opus 4.6。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。Kimi 的 harness 有问题。

    
    


31. 
    

    K3 Max (Claude Code / ZCode) 100分。同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。）。CC2分7秒，非常快。ZCode开了子代理，代码库全面扫描，9分56秒。

    
    


32. 
    

    Grok 4.5 High (Cursor Max / Grok Build) 100分。同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。）。不到2分钟，最快的，这还没开fast模式。