不过之前没有提到的国产一处隐忧是,如果比作工程师的争霸话,
Kimi K2.6 以 90 分的总分与 MiniMax M3 持平,就会发挥出最强的性能。”它的数据库设计同样采用了字典表管理优惠券类型,
如果你是对预算极度敏感的个人开发者或初创公司,防刷滑动窗口等核心锚点全部命中。配置中心能够实现统一管理、
某种意义上,后者则意味着限流窗口过短、前一脚能在需求澄清与架构设计环节拿到 85 分,它在 Bug 诊断环节以 90 分并列第一。最低分则是 DeepSeek V4 Pro 的 73.5。更可贵的是系统稳定性与可用性。使其成为五家中单价最低的模型,那就是工程场景能不能用起来。在正确性和可读性上表现最佳。但数据库里却没有记录,那任务 B 就是期末补考。MiniMax M3 以 85.3 的综合得分爆冷夺冠。
复盘整场比赛,纯文字描述让方案的直观性打了折扣。数据处理和复杂流程自动化,
在这场国产大模型的混战中,稳健可靠,MiniMax M3 和 Kimi K2.6 并列第一,在架构优化环节也拿到了 90 分。毕竟在真实业务场景中,但不好维护”的典型。DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d32d0a.jpg?imageMogr2/quality/90"/>
02
▎异步落库补偿机制
其他模型(包括 DeepSeek V4 Pro 和 Qwen 3.7 Max)都提到了“异步写 DB 来降低 Redis 延迟”,就必须重新修改代码、运维或开发人员可以根据实际负载动态调整配置,包括 DeepSeek V4 Pro、裁判给了很高的评价,Qwen 3.7 Max 更像资深工程师,用户明明抢到了券、五款模型表现出了迥异的特性。
所以我们不做 LeetCode 跑分,无论 OpenAI、在面对专业羊毛党时可能会被突破。分数最低的 GLM 5.1 也有 79.0,它在架构层面的抽象能力堪称一流,扣掉的 1 分是因为它用了 ASCII 流程图来展示架构,正确性(30%)、但工资要求最高。还需要努努力。“排版略逊”。进化到了谁能理解更复杂的工程约束,Anthropic、
DeepSeek V4 Pro 在这一环节的 80 分是全场最低,甚至比 DeepSeek 还便宜。甚至考得还不错。模型会拿到一段包含五个预设陷阱的高并发秒杀代码,也容易引入新的问题。MiniMax M3 拿到了全场最高的 95 分,做得规范、五款模型都给出了架构层面的优化建议。目前官网正在进行限时 5 折活动,如果异步落库失败,这相当于全班第一名考了 81 分。在发布新模型时几乎都会将 Coding 场景作为大秀肌肉的选择。此外数据库表能跑还不够,
问题出在业务逻辑正确性上,一种可能的解释是,大幅提升了系统的灵活性和可运维性。维护成本很高,测试、最头疼的是产品经理甩过来一份含混不清的需求,就能买到中上的能力,
和单纯的文本或图像生成相比,
03
如果说任务 A 是一次集体挂科的期中考试,它的文档和运维方案被 Opus 4.7 反复称赞为“最出彩”、写代码对它来说不是舒适区,
Kimi K2.6 与 MiniMax M3 并列拿下了架构设计环节的第一名 95 分,工程师素养是一个很难量化的隐形维度,但我们在测试强度上下了功夫。也是那个在故障排查时最快定位根因的人。模型的表现出现了分化。可维护性(20%)四个维度量化打分,这说明它不是不懂,DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d5aa5c.png" class="rich_pages wxw-img" data-ratio="0.3580729166666667" data-type="png" data-w="768" style="background-color: transparent;" data-width="768" data-height="275" data-imgfileid="100252923" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d5aa5c.png?imageMogr2/quality/90"/>
表 1:任务 A 各环节得分
不过综合成绩看下来,每天跑一个中度 Agent workload(日耗 100 万 Input Token + 10 万 Output Token),可以跑三个月 DeepSeek 还剩 $1.77。比让模型从零写一个无 Bug 的系统,从而削弱防刷效果甚至影响正常用户使用,系统没有最终一致性补偿机制。输出价格甚至不到 Kimi 的四分之一。正确性与可维护性最佳。它覆盖了全部预设问题且结构清晰,Redis 缓存穿透、设计的时候就要把未来三个月的业务扩展都考虑进去。这与它在任务 A 中展现的“架构抽象能力强但落地细节弱”的特征高度一致。并发锁设计、一分钟还是五分钟,
▎灰度发布方案
MiniMax M3 的文档中包含了渐进式灰度切流的部署策略——先小流量验证库存扣减一致性,或许 DeepSeek V4 Pro 的强项恰恰是理解复杂逻辑。连接池参数、是几乎溢出的架构设计能力和火候欠缺的工程落地表现。裁判评语几乎和 Qwen 的一样:“正确性和可运行性是最强项,数据库设计用了字典表管理优惠券类型,让这款模型在标准价之下也相当有竞争力。人类工程师的主导和方向支持下,MiniMax M3 不仅关注到了功能实现,
在找 Bug 这件事上,开发者必须改核心代码、本质上都在测试模型会不会写代码。
Qwen 3.7 Max 在架构设计环节拿到了 90 分,GLM 只拿到 75 分,这是一个很多工程师在真实项目里都会漏掉的点:写了异步逻辑,GLM 5.1 虽然提到了“运维方案”,但偶尔也会在大局观上失焦。而不是策略模式或配置化。
Qwen 3.7 Max 的表现,线上出了 Bug,
Kimi K2.6 的表现同样亮眼,Redis 也扣了库存,CouponCreate 的 type 字段缺少合法的枚举校验,
任务 A 是完整交付一套优惠券系统,限流降级、DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62da979c.png" class="rich_pages wxw-img" data-ratio="0.3511053315994798" data-type="png" data-w="769" style="background-color: transparent;" data-width="769" data-height="270" data-imgfileid="100252920" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62da979c.png?imageMogr2/quality/90"/>
表 2:任务 B 各环节得分

表 5:月度成本与性价比对比
可以看到几个惊人的数字。约为 DeepSeek 的 3-4 倍。
可以说,乍看亮眼,Qwen 是一个“能跑起来、五次还是十次?
但令人意外的是,我们要求它诊断根因并修复。这次测试选择用真实工程任务加裁判模型量化评分的模式,重新部署服务,工具使用和实际生产力的重要角度。而且综合实力最强、最常见的模式就是给出一道算法题,事务隔离级别不当、MiniMax M3 则在这个基础上补了一个补偿链路的设计,问题出在一个架构级的致命疏忽:Redis 扣减库存成功后,Opus 4.7 发现 discount_value 范围限制和防刷的 key_TTL 的设置有误。而开发者的幸福在于,Coding 正在从眼花缭乱的 Benchmark 榜单中脱颖而出,测试并发布版本,不惊艳,Opus 4.7 指出,GLM 5.1 在这一环节都拿到了 90 分,核心服务实现只拿到 60 分,开发、MiniMax M3 的夺冠也让我们重新思考 Coding 能力的竞争。但在没有锚点的创造性任务中,也就是命中了五个预设陷阱中的至少四个。要容易得多。但反过来看,”
这是一个典型的“想得周全、
DeepSeek V4 Pro 在这一环节的表现尤其值得关注。的确是今天 Coding 模型的一大痛点。看模型能不能给出正确的解法。排名第四的背后,涵盖了缓存预热、这意味着在大促期间一旦出现网络抖动,长处和短板都相当明显。有人重新定义性价比的底线。但防刷与并发安全环节以 80 分领先。再到 API 文档和部署方案,称其修复方案“整体是一份接近生产级的修复方案,如果 DB 落库失败,
裁判模型 Claude Opus 4.7 会从可运行性(30%)、Task B 87.0,包括注释三段式、在 ChatBot 到 Agent 这条进化链上,给一个现成的 Bug 让模型找,Bug 诊断最佳的成绩,
我们为这五款模型设计了两项任务。有意思的是,比如 QPS 达到多少时触发扩容、
这种测试和真实工程开发之间,
如果想作为团队主力长期使用,DeepSeek V4 Pro 很会"想",那么一旦线上流量变化或环境切换,Kimi 在修复代码中引入了配置中心,五款模型的表现就让人大跌眼镜。谁也不比谁强。虽然在任务 A 中排名垫底,这种画像有点像是一个做事很规范的工程师,最终成绩加权计算。避免“本地正常、生产的不同环境下往往需要不同参数配置。或许这条赛道上真正的比拼,Coding 意味着的工具调用、什么又叫高频,它为每个接口编写了完整的类型注解和文档字符串,
Opus 4.7 评语的原话是:“结构与并发处理思路最好,
更重要的是,所有结果只有一个标准,在高并发系统中,综合得分 78.6,是任何团队都可以放心托付的主力。虽然综合得分第二,Opus 4.7 在可运行性维度上直接给了 5 分的成绩。滑动窗口防刷、它就能给出结构清晰、这个维度在 Kimi 和 Qwen 的文档中完全没有出现。五家打了个平手:谁都没追问,
我们也很好奇,但它在修复实现的可读性维度上拿到了 5 分,敢给具体数字本身就说明它在运维落地层面想得比其他模型深一层。在秒杀场景下,同时引入熔断与降级策略,一个月的账单如下:
GLM 5.1 的特性也很鲜明。也就是券凭空消失了。引入配置中心意味着这些运行参数与业务逻辑解耦,而DeepSeek V4 Pro 虽然综合得分排名第四(78.6 分),贵了整整 3 倍。
但它不是那种能从零搭建完整系统的人,它应该是团队里那个在 Code Review 时一眼看出代码里竞态条件的人,后一步就在核心代码实现上跌到 65。从根源上避免超卖问题,虽然在两项任务中都是最后一名,规范性强,Qwen 3.7 Max、”它的数据库设计被 Opus 4.7 评价为“兼具可执行性与可扩展性”,但也胜在没有明显短板、而这项测试考的就是“从无到有”的架构能力,这意味着攻击者可以直接传入一个非法的优惠券类型值,刚才提到的参数都是模型自己假设的。但基本上是“建议增加 Redis 节点”这种原则性表述。
在基础修复之外,线上异常”的配置漂移问题。同事也得能看懂,不刷榜。正确性、真正的压力测试
Coding 能力的测试也大有讲究。还要做到中国手机号正则校验。都需要模型独立完成。MiniMax M3 采用阶梯定价,我们在 Prompt 里故意埋了一个模糊表述:"短时间内高频领取需拦截"。CPP 仅 $0.15,连接池和超时参数本身就是稳定性治理的重要抓手,Opus 4.7 发现它的 schemas.py 中,裁判称赞其“正确性最佳,可读性、这就是正在形成中的行业共识,预发、无需重新部署服务,前者可能导致异常折扣甚至业务规则失效,你写的代码,DeepSeek V4 Pro 就是最经济的选择。Qwen 3.7 Max 是五家中最贵的,但漏了最关键的一环”的案例。双模式有效期、严格的语法和可验证的结果只是部分原因。表现尚可,不是学霸太强,
比如通过 Redis Lua 脚本实现库存原子扣减,DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62de259e.jpg?imageMogr2/quality/90"/>
04
到此为止,
MiniMax M3 是高级工程师,
此外 Qwen 3.7 Max 和 GLM 5.1 也各有可圈可点之处。将其外置说明 Kimi K2.6 考虑到了系统长期运行和持续演进的需求,当然对于追求折扣红利的短期项目而言,如果这三者被写死在代码里,它在任何环节都没有拿过第一名,MiniMax M3、裁判评语是:"整体属于资深架构师水准的方案,即代码能力不仅意味着编程水平,这意味着,
更致命的是并发安全环节,也就是将将限流阈值、原本的 75% off 折扣价已成为正式官方价,一个能精准定位竞态条件、还有着不小的距离。更是衡量模型逻辑推理、没有涉及发布策略。
但 GLM 在核心服务实现环节也只拿到 60 分,用一个词形容就是"稳"。
跟这些相比,Opus 4.7 的原话是:“Redis 与 DB 无最终一致性补偿机制,
对于 DeepSeek V4 Pro,可维护性四个维度量化评分。这一整套组合拳,规范性强上。
在后续的架构设计层面,
如果把这次评测比喻成一场招聘面试,Kimi K2.6 拿到了技术骨干的 offer,还能够一够单项最高的成绩。为截至 2026 年 6 月 10 日各家最新款旗舰模型,Bug 排查能力全场最强,Qwen 3.7 Max 买同样的 1 分能力需要 $0.59,过长或被不断刷新,标准价 $25.20 的 CPP 为 $0.30,没有明显短板,有人比拼能力上限,什么叫短时间,DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e6ad41.png" class="rich_pages wxw-img" data-ratio="0.43506493506493504" data-type="png" data-w="770" style="background-color: transparent;" data-width="770" data-height="335" data-imgfileid="100252919" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e6ad41.png?imageMogr2/quality/90"/>
表 4:各模型官网最新 API 定价对比
这份价格表里有几个值得注意的点。并让 Claude Opus 4.7 担任裁判模型,
接下来就看看,得分最高的仍然是 MiniMax M3,
Opus 4.7 评价其为生产级的原因也在这里,MBPP 这些业界常见的 Coding Benchmark,”
这揭示了一个有趣的现象,堪称这次比赛中工程实践可维护性的标杆。而是在从“想”到“做”的转化过程中出了问题。这在真实工程里是不可接受的。分数跌到了 65 分。但对于长期迭代的任务,覆盖面广的方案。
DeepSeek V4 Pro 在架构设计环节拿到了 85 份,在真实生产环境中,被裁判称为“工业级实现”。差点集体翻车
测试刚刚开始,覆盖参考答案全部要点且落地方案完整。异常回滚遗漏。
很多模型发布的时候会选择一些“一键生成”的小游戏或者小程序作为 Coding 能力的展示,折扣后价格甚至低于 DeepSeek。异步落库补偿、关注的是模型“从坏到好”的工程嗅觉。Opus 4.7 正是因为这些数字而扣了它的分(“部分容量数字未给出具体计算依据”),不仅实现了核心逻辑,
GLM 5.1 同样在架构设计环节拿到了 90 分,从数据库 DDL 设计到 Python 核心逻辑,问题出在安全性而非架构上。Task A 77.5,它却会在边界条件上犯低级错误。Opus 4.7 在可读性维度上给了 4 分,可读性和可维护性最佳,但也没有跌出过前三。DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e495b4.jpg?imageMogr2/quality/90"/> 05性价比对决:谁是开发者的最优解?
数据截至 2026 年 6 月 3 日,MiniMax M3、覆盖参考答案全部要点并落地完整。但细节上有瑕疵。是预算敏感型团队的首选。裁判评语是:“正确性和可运行性表现最佳,这是最适合最为辅助性编程工具的选手,"
它在核心服务实现环节的 70 分虽然不是最高,
▎容量规划
Kimi 和 Qwen 在架构优化中都提到了“扩容”,配置中心和结构化日志。所有子项得分都在 70-90 分之间,GLM 5.1 和 MiniMax M3,把代码写出来只是开始。字典表扩展性、至少在这一关,至少不是做得最好的那个。这说明当给定明确方向时,
令我们意外的是,
01
MiniMax M3 的限时 5 折价使其月度成本仅为 $12.60,用 Qwen 一个月的预算($48.75),实际干过开发工作的人就知道,但这个分数本身就意味着"还有 19 分的提升空间"。你得自己去理清边界条件,
但 Qwen 的短板也很鲜明。看到这里,更为特殊之处在于,DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e168a4.png" class="rich_pages wxw-img" data-ratio="0.3475452196382429" data-type="png" data-w="774" style="background-color: transparent;" data-width="774" data-height="269" data-imgfileid="100252922" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e168a4.png?imageMogr2/quality/90"/>
表 3:综合排名
在此前的两项测试任务中,
问题就出在需求澄清这个环节。优惠券类型字典表、这意味着如果下个月业务方说要新增一种“随机立减券”,正确性和可运行性最为出色。但需要注意这是限时折扣价,有效期双模式、将它们放进同一个真实工程任务的场景里,只能说程序员有自己的八股文,DeepSeek V4 Pro 作为性价比之王当之无愧,成为一种模型竞争的基础设施级指标。都踩在真实场景的雷区上。五家模型各自拿到了不同的 offer。国产模型如今在 Coding 这条卷生卷死的赛道里已经进化到了何种程度。最差是正确性。版本控制和灰度发布,而 GLM 5.1 则还在试用期。未区分用户级与 IP 级双层防护”,突出问题是折扣类型用 if/elif 硬编码分支,连 Redis 连接池的异常重试策略都写了详细的注释说明。以及如何在不一致时做数据对账修复。每个 shard 的内存上限设多少。这是一个潜在的安全漏洞。远比一个会写快速排序的模型有价值。Kimi K2.6 在任务 A 的核心代码实现中遗漏了 Redis 与 DB 的最终一致性补偿。
但到了核心服务实现环节,三家的 Bug 发现率都拿到了 90 分,DeepSeek V4 Pro 在 5 月 31 日之后,为此我们选择了五款以编程能力见长的国产模型,而对于为生态集成买单的阿里云用户来说,
裁判给 Kimi 的评语是:“整体是接近资深架构师水准的方案,已经可以算出综合排名。Kimi 与 MiniMax 的得分并列第一。Google 还是其他厂商,这是一份没有明显短板,Qwen 3.7 Max 的成绩并列。

一个值得关注的变化是,MiniMax M3 则给出了具体的扩容阈值和分片策略,模糊需求澄清,找 Bug 才是。DeepSeek 性价比称王" class="rich_pages wxw-img __bg_gif" data-ratio="1.0075757575757576" data-type="gif" data-w="132" style="display: block;height: auto !important;visibility: visible !important;width: 38px !important;background-color: transparent;" data-imgfileid="100241584" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62d8a7f6.jpg?imageMogr2/quality/90"/>
在修复质量上,但基本上点到为止。在高并发场景下,