国产大模型实战：Kimi、Qwen与GLM重构屎山代码的六维对决
在人工智能重塑软件开发的浪潮中，基准测试榜单上的分数往往掩盖了真实工程场景的复杂性。当我们将目光从干净的空白项目转向那些充斥着历史债务、逻辑纠缠且文档缺失的“屎山”代码时，大模型的真正成色才得以显现。近期，我们进行了一项极具挑战性的实验：让Kimi K3、Qwen 3.8-Max-Preview和GLM 5.2三款国产顶尖大模型，共同接管一个处于半成品状态、结构臃肿且Bug频出的媒体网站改版项目。这并非简单的代码生成，而是一场关于理解力、执行力与创造力的综合博弈。
项目背景本身就是一个巨大的陷阱。该网站基于Next.js前端框架与Payload CMS构建，集成了Anime.js动效，但历经多次迭代后，前端交互混乱，后端逻辑与前端展示严重脱节，大量功能虚假不可用。对于AI而言，从零开始构建项目如同在白纸上作画，自由度高；而在既有代码基础上进行“屎上雕花”，则要求模型具备极强的上下文感知能力，既要读懂过去的意图，又要精准规避现有功能的破坏。这种半路接手的项目，是检验AI工程化能力的试金石。
首轮测试聚焦于“现状认知”。在半路项目中，最致命的错误莫过于将旧文档中的规划误认为当前已完成的功能，或者对现有架构产生误判。我们将项目代码库与文档同时投喂给三个模型，要求它们分析当前进展。Qwen 3.8-Max展现了惊人的速度，在十秒内便完成了分析，其表现更像是一位常驻现场的监工，敏锐地捕捉到了最近的修改痕迹，准确区分了“已有”与“计划”，虽在全局结构的深度挖掘上略显不足，但精准度最高。相比之下，GLM 5.2如同一位严谨的老工程师，深入底层检查了数据库机制与版本锁定，对项目骨架理解深刻，却因过度依赖历史文档，将已完成的搜索功能误判为待办事项，陷入了“纸上谈兵”的误区。Kimi K3则表现得像一位急于求成的中介，虽然快速概括了布局，却在基础计数上出现失误，将14个CMS集合误数为15个，暴露出其在细节把控上的粗心。在这一环节，Qwen凭借对实时状态的敏感度拔得头筹。
紧接着是“故障诊断与修复”测试。我们故意制造了一个前端页面报错，原因是未启动配套的CMS服务。面对这一常见开发场景，三个模型的反应截然不同。Qwen再次展现了其行动派的特质，直接执行指令启动了CMS服务，迅速解决了问题。GLM 5.2虽然反应稍慢，但在发现端口被占用后，没有选择暴力重启或报错退出，而是明智地复用了已有服务，体现了成熟的工程判断力。然而，Kimi K3仅提供了文字解决方案，并未实际执行操作，在自动化运维的语境下，这种“只说不做”的表现使其排名垫底。这一轮测试揭示了一个重要趋势：未来的AI编程助手不仅要能写代码，更要具备操作开发环境的能力，Qwen在此方面的集成度显然更高。
前端动效的实现往往是AI开发的深水区，尤其是涉及复杂交互逻辑时。我们要求模型修改首页快讯板块，实现卡片的无缝无限轮播，且不能出现停顿、跳动或空白，同时保留鼠标拖动功能。这是一个典型的“看似简单，实则坑多”的需求。Qwen 3.8-Max为了追求表面的循环效果，采取了“复制内容拉长轨道”的投机策略，不仅删除了用户必需的鼠标拖动功能，且在播放至末端时仍会出现跳回起点的瑕疵，这种“伪装式”的解决方案在工程上是不可接受的。Kimi K3虽然实现了真正的环形逻辑，却意外丢失了自动播放功能，且动画衔接存在跳帧，属于功能残缺的半成品。GLM 5.2则交出了最完整的答卷，保留了自动播放与拖动交互，实现了真循环，尽管在衔接处仍有微小的视觉跳动，但其功能完整性远超另外两者。这表明，在处理复杂逻辑约束时，GLM的结构化思维更具优势，而Qwen的“快”有时会以牺牲逻辑严密性为代价。
在UI细节的微调测试中，我们要求将“最新观点”板块的强调色改为科技蓝，并调整卡片悬停效果。这考验的是模型对CSS选择器范围的理解以及修改的一致性。Qwen 3.8-Max快速完成了大部分颜色替换，但遗漏了鼠标悬停状态的交互色，导致用户体验割裂。GLM 5.2采取了先询问后执行的策略，虽然在确认范围内完成度极高，但未覆盖到的区域（如无图卡片）则完全未被修改，显示出其执行范围的局限性。Kimi K3的表现最为糟糕，仅修改了部分边框与圆角，核心颜色未变，似乎对审美指令产生了抵触或误解。此轮Qwen凭借较高的整体完成率胜出，但也暴露出其在交互状态同步上的盲区。
审美设计是AI难以量化的领域。我们要求重新设计首页Hero区域，体现科技媒体的专业感与前沿感，避免俗套的渐变与粒子效果。Qwen采用了粗体极简风，强调内容层级，符合现代媒体趋势；GLM则引入了杂志编辑风格，运用衬线字体与留白，营造出浓厚的刊物质感；Kimi K3选择了科技极简风，通过网格、细线与柔光动效，强化了“科技感”。考虑到硅星人作为AI科技媒体的定位，Kimi的设计最契合“科技第一属性”的品牌内核，其主动添加的克制动效也展现了更高的设计主动性。这一轮Kimi的胜利证明，在缺乏明确参考答案的主观任务中，模型的训练数据偏好与审美直觉起着决定性作用。
最后的CMS工作流重构测试，旨在考察模型处理多端联动逻辑的能力。我们需要建立一个集中审核工作台，实现列表展示、侧边详情预览及状态同步更新，且不能跳转页面。出人意料的是，此前在前端任务中表现迟缓的Kimi K3，在此环节率先完成任务，显示出其在处理业务逻辑与工作流编排上的潜力。Qwen 3.8-Max生成的侧边详情最为完整，涵盖了摘要、正文预览及所有元数据，操作逻辑闭环，最接近理想形态。Kimi虽然功能齐全，但正文预览过于简化，未能完全满足“不跳转查看”的核心诉求。GLM 5.2则因图片加载失败占位符过大，导致信息展示受阻，完成度最低。这一结果表明，模型的能力分布并非均匀，Kimi可能在后端逻辑或组件编排上有其独特的优化路径。
纵观整场测试，没有一款模型能够全知全能。Qwen 3.8-Max以速度和执行力见长，适合快速原型开发与紧急故障排查，但其“投机”倾向需人工严格审查；GLM 5.2胜在结构理解与稳健性，适合处理复杂架构与高精度需求，但需警惕其对历史文档的过度依赖；Kimi K3则是一位充满个性的设计师与逻辑专家，在审美与特定工作流中表现惊艳，但在基础细节与前端执行上仍需打磨。
这场“屎山”重构实验揭示了一个核心真相：AI编程助手并非替代人类工程师的万能钥匙，而是不同特质的协作者。在实际工程中，开发者需要根据任务类型灵活切换模型——用Qwen提速，用GLM稳构，用Kimi创意。未来，随着模型对上下文理解的深化与工具调用能力的增强，这种多模型协同的开发模式，或许将成为应对复杂软件系统的主流范式。对于中国开发者而言，这三款模型的崛起，不仅意味着技术自主权的提升，更预示着一种更高效、更多元的智能开发生态正在形成。
