四川
大家好，我是冷逸。
最近，模型圈又开卷了：江山代有模型出，各领风骚两三天。
DeepSeek-v4-pro正式版、Gork-4.6、Gemini-3.7-flash、GLM-5.3都在这周陆续发布，Benchmark分数一个比一个亮眼，但跑分归跑分，实测表现才是试金石。
于是，我拉来了久经考验的Kimi K3，一起做了这期横评。
参评选手：Kimi K3、GLM-5.3、DeepSeek-v4-pro-0813。统一任务类型、统一提示词、统一评分标准，全部接官方API在Claude Code里跑一遍。
共四个任务，覆盖前端网页、3D场景、网站开发、游戏开发等场景，主要评估模型的Coding能力。
一手横评
测评原则依旧是那句话：变量归一，对比才有意义。
三个模型用同一份素材、同一条提示词，全部接官方API在Claude Code里跑，最终从「任务完成度」和「输出质量」两个维度进行综合评价。
1）前端网页
前端任务，重点考察模型的审美水平与交互细节把控。
提示词也是极其简单。
提示词： 创建一个HTML，科普JPG/PNG与SVG的区别，黑色科技风背景，顶级审美，前沿设计。
三个模型同台竞技的结果如下。
整体来看，GLM-5.3和K3明显更胜一筹，无论是页面布局、配色体系还是交互细节，都比v4-pro更耐看。
尤其是他俩设计的「位图 vs 矢量图」对比动画，非常精美，一眼就能看出代码功底。
v4-pro也不能说它丑，审美底子还是有的，但明显是上一代的水平，大概相当于opus 4.6/4.7的水准。
本轮实测：GLM-5.3 ≈ K3 > DeepSeek-v4-pro-0813。
2）3D场景
3D任务，我们来个复杂一点的，让大模型还原「十万天兵天将围攻花果山」这一经典场面。
提示词： 用Three.js做一个“十万天兵围攻花果山”的3D互动场景网页，剧情、视角和场景都要跟《西游记》完美对上。
DeepSeek-v4-pro：
Kimi K3：
GLM-5.:3：
DeepSeek-v4-pro这轮交付的是一个半成品，反复调试多次后，页面依然是黑屏，无法正常渲染。
相比之下，K3和GLM-5.3均为一次直出，且交付质量相当高。尤其是K3，它的四幕剧情设计和多视角预览撑起了整个3D网页的叙事骨架，建模细节也相当到位。
不过K3也有瑕疵，花果山怎么会在海上呢？这一点上，GLM-5.3的水墨天穹显然更尊重原著，国风长卷构图也更契合中国故事的表达。
本轮实测：GLM-5.3 ＞ K3 > DeepSeek-v4-pro-0813。
3）网站开发
网站开发任务，是让三个模型为我开源的做一个产品官网。
提示词照样是极其简单。
提示词： 给开源skill（详情见lengyi-title文件夹，GitHub地址：https://github.com/woyin2024/lengyi-title）设计一个产品宣传网页，极致的精美，顶级、前沿审美。
DeepSeek-v4-pro：
（上下滑动，查看全图）
Kimi K3：
（上下滑动，查看全图）
GLM-5.3：
（上下滑动，查看全图）
三个产物看下来，你能明显感觉到v4-pro依旧停留在上个时代，而K3和GLM-5.3已经到了Fable级的设计水准。
包括像昨天，我用Doubao-Seed-Evolving给这个Skill做的产品网站，审美也很在线，基本和k3、glm-5.3一个水平。
具体来看，GLM-5.3采用墨色打底 + 朱砂配色 + 衬线字体，走「编辑部 + 数据感」的视觉路线，气质拿捏得很准。唯一的小瑕疵是二维码图片被压缩了，不过这倒不能全怪它，GLM-5.3是纯文本模型（基于 GLM-5.2后训练），本身不具备视觉识别能力。
三者之中，K3的效果最让我满意：暖色纸底 + 衬线大字 + 朱砂红点缀，辅以报纸式分栏线、标本编号、印章贴纸等排版元素，整体观感非常舒服。
尤其是一些小细节上，它做得很到位，比如这个简单的UI动画，一看就很高级。
本轮实测：K3 ＞ GLM-5.3 > DeepSeek-v4-pro-0813。
4）游戏开发
过去，大模型想做复杂的游戏开发，“一句话”指令根本不可能。
自从K3发布之后，这件事开始变得可行了。
我先让K3写了一份剧本。
接着，再将剧本交给三个模型分别开发。
提示词： 根据“源记-游戏.md”剧本，开发一个3D互动的网页游戏。
DeepSeek-v4-pro：
Kimi K3：
GLM-5.:3：
三个模型跑下来，只有K3的版本可以从头玩到通关，GLM-5.3在第二关出现操作失效，v4-pro则在第一关就报错，还莫名跳跳到第二关。
有意思的是，K3还实现了完整的双线叙事：不告发 → 结局一《不复得路》；告发 → 带队 → 结局四《黑色桃花》→ 终章 → 真结局《问津者》，全部分支都能正常触发，无脚本错误。
本轮实测：K3 ＞ GLM-5.3 > DeepSeek-v4-pro-0813。
整体测下来，我感觉K3依然能打。
四个任务综合来看，K3的能力最夯，GLM-5.3次之，v4-pro比较拉垮。。
速度方面，v4-pro倒是很快，像最复杂的游戏case，它只花了十来分钟；glm-5.3，花了43分钟；K3更久，花了67分钟。
但速度快，不代表质量靠谱。测下来，我对v4-pro正式版倒是有点意外。我原以为它能跟上国内第一梯队，目前来看，还需努力。
我是冷逸，你们的测评手替。如果你有想看的测评场景，欢迎在评论区甩出来，咱们互相抄作业。
如果觉得本期内容有用的话，欢迎三连支持，感谢。
我们下期见。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
