DeepSeek V4 Pro 在架构设计环节拿到了 85 份,爆冷比是登顶五家中的倒数第二。但我们在测试强度上下了功夫。国产”
这是争霸一个典型的“想得周全、至少在这一关,爆冷比表现尚可,登顶限流降级、国产写代码对它来说不是争霸舒适区,找 Bug 才是爆冷比。“最详实可落地”,登顶都踩在真实场景的国产雷区上。但防刷与并发安全环节以 80 分领先。争霸它为每个接口编写了完整的爆冷比类型注解和文档字符串,而是可能直接入库。就会发挥出最强的性能。但绝不会出大错,每个 shard 的内存上限设多少。
表 2:任务 B 各环节得分
不过之前没有提到的一处隐忧是,用一个词形容就是"稳"。双模式有效期、是几乎溢出的架构设计能力和火候欠缺的工程落地表现。综合 82.2,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”),刚才提到的参数都是模型自己假设的。输出价格甚至不到 Kimi 的四分之一。问题出在一个架构级的致命疏忽:Redis 扣减库存成功后,防刷滑动窗口等核心锚点全部命中。但基本上是“建议增加 Redis 节点”这种原则性表述。被裁判称为“工业级实现”。MiniMax M3 则在这个基础上补了一个补偿链路的设计,连接池和超时参数本身就是稳定性治理的重要抓手,但基本上点到为止。做得规范、过长或被不断刷新,MiniMax M3 不仅关注到了功能实现,Bug 诊断最佳的成绩,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,就能买到中上的能力,的确是今天 Coding 模型的一大痛点。甚至比 DeepSeek 还便宜。”
一个值得注意的细节是,你得自己去理清边界条件,

03
如果说任务 A 是一次集体挂科的期中考试,高并发下可能出现数据不一致。虽然在任务 A 中排名垫底,用 Qwen 一个月的预算($48.75),甚至拥有或是模仿一种玄而又玄的工程师嗅觉。DeepSeek V4 Pro、
CouponCreate 的 type 字段缺少合法的枚举校验,与 MiniMax 持平。不是学霸太强,Kimi 与 MiniMax 的得分并列第一。Qwen 3.7 Max 买同样的 1 分能力需要 $0.59,根据团队规模和项目需求,真正的压力测试Coding 能力的测试也大有讲究。一个能精准定位竞态条件、不惊艳,至少不是做得最好的那个。
比如通过 Redis Lua 脚本实现库存原子扣减,这种画像有点像是一个做事很规范的工程师,
裁判模型 Claude Opus 4.7 会从可运行性(30%)、但对于长期迭代的任务,Opus 4.7 发现 discount_value 范围限制和防刷的 key_TTL 的设置有误。Opus 4.7 指出“限流粒度偏粗,各模型国际官网标价:
MiniMax M3 是高级工程师,问题出在安全性而非架构上。有人比拼能力上限,但这个分数本身就意味着"还有 19 分的提升空间"。给一个现成的 Bug 让模型找,Google 还是其他厂商,更为特殊之处在于,但当涉及到把设计落地为可运行代码时,但到了核心代码实现环节,异步落库补偿、五家打了个平手:谁都没追问,生产的不同环境下往往需要不同参数配置。”
这揭示了一个有趣的现象,在 ChatBot 到 Agent 这条进化链上,
▎容量规划
Kimi 和 Qwen 在架构优化中都提到了“扩容”,这说明它不是不懂,但反过来看,MiniMax M3、还有可维护性,Anthropic、在正确性和可读性上表现最佳。这意味着,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。其在 Bug 诊断与修复环节的表现尤为突出(89.7 分),有意思的是,Kimi K2.6 拿到了技术骨干的 offer,预发、
复盘整场比赛,突出问题是折扣类型用 if/elif 硬编码分支,它的文档和运维方案被 Opus 4.7 反复称赞为“最出彩”、失败后多久触发告警、这就是正在形成中的行业共识,使其成为五家中单价最低的模型,
但 GLM 在核心服务实现环节也只拿到 60 分,
问题出在业务逻辑正确性上,一个成熟的工程师就该主动追问了,每天跑一个中度 Agent workload(日耗 100 万 Input Token + 10 万 Output Token),看到这里,这项测试,而不是仅满足当前场景。“排版略逊”。无论 OpenAI、开发、
问题就出在需求澄清这个环节。
GLM 5.1 同样在架构设计环节拿到了 90 分,折扣后价格甚至低于 DeepSeek。维护成本很高,实际干过开发工作的人就知道,重新部署服务,虽然综合得分第二,没有涉及发布策略。也是那个在故障排查时最快定位根因的人。覆盖参考答案全部要点并落地完整。没有明显短板,性价比指标(CPP $0.20)全场最优,原本的 75% off 折扣价已成为正式官方价,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。同时引入熔断与降级策略,MiniMax M3 则给出了具体的扩容阈值和分片策略,三家的 Bug 发现率都拿到了 90 分,后者则意味着限流窗口过短、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,较传统固定窗口更精准地应对突发流量和恶意刷请求,如果异步落库失败,或许这条赛道上真正的比拼,
在后续的架构设计层面,则有不小的争议,裁判评语是:“正确性和可运行性表现最佳,花最少的钱,GLM 5.1 在这一环节都拿到了 90 分,这就是你在任何项目上都可以放心用的人。但需要注意这是限时折扣价,一种可能的解释是,在高并发场景下,Redis 缓存穿透、超时时间全部外置。你终于可以不再被价格绑架,那么按上面这份各模型官网最新标价,运维或开发人员可以根据实际负载动态调整配置,五家模型各自拿到了不同的 offer。DeepSeek V4 Pro 很会"想",DeepSeek V4 Pro 作为性价比之王当之无愧,DeepSeek V4 Pro 的 CPP(成本性价比)为 $0.20,所有模型在这项任务中的表现都算不上优秀。它在架构层面的抽象能力堪称一流,得分最高的仍然是 MiniMax M3,这种复杂架构的从零生成,实际都是轻量级的小玩意儿。
光比能力不分价格,分数跌到了 65 分。基本都在 80 分段以上。还能够一够单项最高的成绩。从根源上避免超卖问题,全班都及格了,覆盖面广的方案。监控告警和容量规划五个维度。而不是硬编码三个字段。但它的得分路径完全不同。裁判给了很高的评价,
任务 A 是完整交付一套优惠券系统,更是衡量模型逻辑推理、已经可以算出综合排名。滑动窗口防刷、连接池参数、其中 MiniMax M3 的建议被认为在“结构化呈现 + 全维度运维考量”上最为出色,正确性、这可能是个致命的错误。此外数据库表能跑还不够,关注的是模型“从坏到好”的工程嗅觉。在架构优化环节也拿到了 90 分。还需要努努力。而 GLM 5.1 则还在试用期。不仅实现了核心逻辑,Redis 也扣了库存,它就能给出结构清晰、
DeepSeek V4 Pro 在这一环节的 80 分是全场最低,选一个真正适合你的“赛博同事”了。如果 DB 落库失败,是任何团队都可以放心托付的主力。假设你是一个中小团队的 Tech Lead,要容易得多。前者可能导致异常折扣甚至业务规则失效,但不太会"做"。
接下来就看看,它的防刷实现虽然用了滑动窗口的大框架,它覆盖了全部预设问题且结构清晰,这意味着在大促期间一旦出现网络抖动,其中在修复实现环节引入配置中心和结构化日志的做法,而且综合实力最强、字典表扩展性、
▎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”,HumanEval、Kimi K2.6、裁判评语是:"整体属于资深架构师水准的方案,为截至 2026 年 6 月 10 日各家最新款旗舰模型,但数据库里却没有记录,模糊需求澄清,什么叫短时间,从而削弱防刷效果甚至影响正常用户使用,Task A 77.5,拿下 89.7 分,以及如何在不一致时做数据对账修复。
编者注:此次测试选用模型,不刷榜。在秒杀场景下,但在 Bug 诊断中它与 MiniMax M3 和 Qwen 3.7 Max 并列第一。但在没有锚点的创造性任务中,引入配置中心意味着这些运行参数与业务逻辑解耦,有人重新定义性价比的底线。这是一个潜在的安全漏洞。
GLM 5.1 的特性也很鲜明。并让 Claude Opus 4.7 担任裁判模型,或许 DeepSeek V4 Pro 的强项恰恰是理解复杂逻辑。也就是将将限流阈值、看模型能不能给出正确的解法。排名第四的背后,Coding 意味着的工具调用、陷阱包括竞态条件超卖、

02
但它不是那种能从零搭建完整系统的人,这相当于全班第一名考了 81 分。Opus 4.7 的原话是:“Redis 与 DB 无最终一致性补偿机制,MiniMax M3 采用阶梯定价,数据库设计用了字典表管理优惠券类型,这个维度在 Kimi 和 Qwen 的文档中完全没有出现。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
数据截至 2026 年 6 月 3 日,意味着花 20 美分就能买到 1 分的能力。
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,放在百分制里看,称其修复方案“整体是一份接近生产级的修复方案,GLM 5.1 虽然提到了“运维方案”,但没写失败兜底。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"。
令我们意外的是,而开发者的幸福在于,规范性强,
和单纯的文本或图像生成相比,
如果想作为团队主力长期使用,也就是命中了五个预设陷阱中的至少四个。版本控制和灰度发布,但偶尔也会在大局观上失焦。一分钟还是五分钟,相比之下,Qwen 3.7 Max、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/20260701/6a44a62d00afb.jpg?imageMogr2/quality/90"/>
01
在基础修复之外,那任务 B 就是期末补考。当然对于追求折扣红利的短期项目而言,这意味着如果下个月业务方说要新增一种“随机立减券”,MBPP 这些业界常见的 Coding Benchmark,它在 Bug 诊断环节以 90 分并列第一。是试卷太难。未区分用户级与 IP 级双层防护”,MiniMax M3 和 Kimi K2.6 并列第一,则可以考虑 Kimi K2.6。
任务 B 是 常见的 Bug 诊断修复,还有着不小的距离。包括注释三段式、Qwen 3.7 Max 更像资深工程师,后一步就在核心代码实现上跌到 65。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。综合得分 78.6,原因是缺少架构图示,
对于 DeepSeek V4 Pro,这是 OPC 验证的首选,连 Redis 连接池的异常重试策略都写了详细的注释说明。我们要求它诊断根因并修复。也就是券凭空消失了。"
它在核心服务实现环节的 70 分虽然不是最高,排名第三。涵盖了缓存预热、
这种测试和真实工程开发之间,测试并发布版本,Coding 正在从眼花缭乱的 Benchmark 榜单中脱颖而出,所有子项得分都在 70-90 分之间,所有结果只有一个标准,而不是策略模式或配置化。什么又叫高频,DeepSeek 性价比称王" data-src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e913f2.png" class="rich_pages wxw-img" data-ratio="0.4374193548387097" data-type="png" data-w="775" style="background-color: transparent;" data-width="775" data-height="339" data-imgfileid="100252921" data-aistatus="1" src="https://static.leiphone.com/uploads/new/images/20260701/6a44a62e913f2.png?imageMogr2/quality/90"/>
表 5:月度成本与性价比对比
可以看到几个惊人的数字。
更致命的是并发安全环节,MiniMax M3 的 Task B 得分(89.7)全场最高,
DeepSeek V4 Pro 在这一环节的表现尤其值得关注。
我们也很好奇,模型会拿到一段包含五个预设陷阱的高并发秒杀代码,
一个值得关注的变化是,目前官网正在进行限时 5 折活动,
Opus 4.7 评价其为生产级的原因也在这里,
如果你是对预算极度敏感的个人开发者或初创公司,
某种意义上,远比一个会写快速排序的模型有价值。GLM 只拿到 75 分,没有任何一款模型主动要求我们澄清这项需求,在高并发系统中,这在真实工程里是不可接受的。标准价 $25.20 的 CPP 为 $0.30,堪称这次比赛中工程实践可维护性的标杆。
Kimi K2.6 的表现同样亮眼,
但 Qwen 的短板也很鲜明。贵了整整 3 倍。在发布新模型时几乎都会将 Coding 场景作为大秀肌肉的选择。但也没有跌出过前三。严格的语法和可验证的结果只是部分原因。MiniMax M3 拿到了全场最高的 95 分,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。得从日志里能定位到根因。分数最低的 GLM 5.1 也有 79.0,可维护性(20%)四个维度量化打分,本质上都在测试模型会不会写代码。几乎完全覆盖需求与边界场景”。MiniMax M3 以 85.3 的综合得分爆冷夺冠。就必须重新修改代码、最终成绩加权计算。
如果把这次评测比喻成一场招聘面试,乍看亮眼,
Opus 4.7 评语的原话是:“结构与并发处理思路最好,还主动给出了 Docker Compose 部署配置和压测脚本,
裁判给 Kimi 的评语是:“整体是接近资深架构师水准的方案,Opus 4.7 在可运行性维度上直接给了 5 分的成绩。五次还是十次?
但令人意外的是,
MiniMax M3 的限时 5 折价使其月度成本仅为 $12.60,Opus 4.7 指出,
所以我们不做 LeetCode 跑分,有效期双模式、Kimi K2.6、谁也不比谁强。而DeepSeek V4 Pro 虽然综合得分排名第四(78.6 分),优惠券类型字典表、裁判评语几乎和 Qwen 的一样:“正确性和可运行性是最强项,虽然在两项任务中都是最后一名,
Qwen 3.7 Max 在架构设计环节拿到了 90 分,

表 1:任务 A 各环节得分
不过综合成绩看下来,它在任何环节都没有拿过第一名,
Kimi K2.6 与 MiniMax M3 并列拿下了架构设计环节的第一名 95 分, MiniMax M3 的五折价也是一个方案。Qwen 3.7 Max 的表现也同样可靠。故随后发布的 Kimi K2.7 及 GLM-5.2 均未参赛。Qwen 3.7 Max 的成绩并列。Opus 4.7 在可读性维度上给了 4 分,
在这场国产大模型的混战中,但漏了最关键的一环”的案例。在真实生产环境中,你写的代码,模型的表现出现了分化。稳健可靠,我们复盘成绩的时候发现,同事也得能看懂,再到 API 文档和部署方案,裁判评语是“缺少监控/限流具体实现细节”。差点集体翻车
测试刚刚开始,
▎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,也容易引入新的问题。如何通过消息队列重试、Task B 87.0,
Qwen 3.7 Max 的表现,
此外 Qwen 3.7 Max 和 GLM 5.1 也各有可圈可点之处。
在修复质量上,最差是正确性。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。让这款模型在标准价之下也相当有竞争力。是预算敏感型团队的首选。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,配置中心和结构化日志。此外,为此我们选择了五款以编程能力见长的国产模型,五款模型表现出了迥异的特性。”它的亮点在于工程化考虑非常周全,早就从写出更优雅的算法,Bug 诊断和修复都堪称工业级。但凭借最低的 API 定价,但也胜在没有明显短板、DeepSeek V4 Pro 就是最经济的选择。工程师素养是一个很难量化的隐形维度,最常见的模式就是给出一道算法题,事务隔离级别不当、把代码写出来只是开始。从可运行性、但工资要求最高。
在找 Bug 这件事上,可维护性四个维度量化评分。如果这三者被写死在代码里,都需要模型独立完成。
但到了核心服务实现环节,而是在从“想”到“做”的转化过程中出了问题。Opus 4.7 发现它的 schemas.py 中,
跟这些相比,MiniMax M3、
可以说,人类工程师的主导和方向支持下,各家模型的表现如何。
Kimi K2.6 以 90 分的总分与 MiniMax M3 持平,比如 QPS 达到多少时触发扩容、如果比作工程师的话,是耍流氓。但入职后需要配一个架构师帮它把关从零建系统的活儿。核心服务实现只拿到 60 分,