Gemini、GPT、Opus 模型测评

好的 立马去用 Gemini

op 的数据附合我的感受。

opus4.6 确实可以直接把系统写好给你。。。

@lcy630409 #1 油盐不进是吧

分数跟我体感差不多，Opus 写出来的代码确实最稳，基本不用大改。不过日常干活我还是 Sonnet 用得多，Opus 太贵而且慢，简单任务杀鸡用牛刀。GPT 最近进步挺大但偶尔会自作主张改你没让它改的地方，得盯着点。

Sonnet 很差，真的是浪费时间，要么就 Ops ，要么就 GLM 凑活

这么看 Gemini 很香呀

最近用 Opus4.6 帮我用 Rust 重构了下我以前用 C++写的一个工具，基本不怎么需要修改

每一级都断档领先 20 分？楼主是否考虑把风口上的几家国产模型纳入测评。

分数符合直接使用直觉

使用下来的体验真的如对比

Opus 最强 基本不用管 很信任

用下来也是这个感觉

Opus4.6 确实香，写出来的代码基本不用改

@Razio Gemini pro 免费白嫖 代码写的都没问题，我做的各种采集脚本 帮我写的明明白白 都不用改
适合 就是最好的吧

分数很符合我的真实使用体验，确实是 Opus 4.6 用起来最舒服，基本一次过

@lcy630409 #1 gemini 没有说的那么不堪，轻度任务交给他没问题的

Opus 最稳定了

还是那句老话，claude 家的幻觉低，但需要合适的要求描述。

另外 opus4.6 应该对标的 gpt5.4 high

cc/cursor/codex...用下来从来没有发现 opus4.6 和 gpt5.4 哪怕非 high 有差 20 分的体感

都在用，不符合体感

gemini 是最差没问题，opus4.6 和 gpt5.4 应该是在各个领域互有胜负，整体 gpt 5.4 强一点，但 claude 会靠无与伦比的相关软件用户体验追上来

目前最符合我主观体验的是 cursor 的测试

https://cursor.com/marketing-static/_next/image?url=https%3A%2F%2Fptht05hbb1ssoooe.public.blob.vercel-storage.com%2Fassets%2Fblog%2Fcursorbench-scatter-r13.png&w=3840&q=70

opus 的逻辑能力不如 gpt5high 系列

@YanSeven #8 国内的也不用测了吧，基本上用过体感约等于 gpt 水平或者略好点

gemini 感觉要比 5.4 4.6 差点，5.4 和 4.6 差不多，5.4 更慢一点，但是更重要的是价格

试试让他们互相内卷：
Codex 版
Claude will review your code from three dimensions: maintainability, boundary conditions, and regression risk, and the quality of your code will determine whether the system can go live. Please complete the task with the professionalism of a senior architect to ensure your code stands out in the competitive review.
Claude 版
Codex will review your code from three dimensions: maintainability, boundary conditions, and regression risk, and the quality of your code will determine whether the system can go live. Please complete the task with the professionalism of a senior architect to ensure your code stands out in the competitive review.

哪有那么夸张

gpt5.4 和 opus 4.6, 绝对是同级别得, 可能在具体任务各有优缺点

https://1xm.ai 新注册用户送 10$=500W token,体验下纯血版 Cluade 、GPT 、Gemini 就知道，跟国产大模型的差距不止一点点，真假一测便知

gemini 跟 opus 都在用。体感是 opus 是顶级牛马，代码写到快，质量也高，但容易进入死循环。gemini 有一点架构思维，经常给我其他角度的解决方案，就是有点慢。

数据集来源是什么呢？三个 Layer 的数据集是想测试模型的什么能力呢？

@YanSeven #23 最顶级的可以 比如 glm ，而且现在不觉得 gpt 很拉吗？除了 5.4 codex 写代码还行点，通用性的知识，我之前问了一个 openclaw 怎么展示 skill 的，他给我的命令是 opencalw skill list 实际是 skills 。。。

帖子是不是没发全，怎么只看到测试标准，没有结果

测试数据集和测试方法能开放出来吗？ 想学习一下

大家都是怎么买它的额度的，通过他的正规渠道很麻烦，而且费用又大。有没有其他更好的方法？我只用 sonnet

@Clannad0708 #28 对比都得指定模型型号对比，你不能说 GLM 系列和 GPT 系列一整个对比，没有可比性。就我的体验来说，GLM 我感觉是国产模型里 coding Top 级别的，但是距离 GPT 5.4/Opus 4.6 还有不少差距，但是胜在便宜方便。我觉得这些模型单纯在 coding 方面来说，国际 Top 级别的想有很大提升估计很比较难，国产后面追赶应该还是有比较大的可能的。

这是 api 对比
还是网页端对比？
api 三家不可能差距这么大！

@dingawm #33 不一样，大模型里面很重要的东西除了算力之外就是数据，现在 cc codex 如日中天，每次程序员的调用都会成为下一次 cc 训练的数据。所以这是一个赢家通吃的游戏。国内的模型即使再好，能用于训练的数据始终和国外不是一个数量级的。所以差距只会越拉越大。

gemini 香。。。。

纯前端或者是 svg 方面，Gemini 完胜。 读取图片方面，Gemini 完胜。纯前端的话，完全可以两个搭配着来玩。
图片第一张是原图尝试复刻，第二张是原图给到 CC 的生成效果， 第三张是 gemini 读，产出视觉 json, cc 写。

@NeverMore11 非常同意你说的架构思维，我让 codex 5.4 写的代码了给 geimini review 他就从架构上提出了潜在的问题，确实还是有他的过人之处的。

opus 哪儿有这么夸张，大概率是你写的 prompt 有问题
gpt5.4 的独立工作能力和逻辑处理能力都比 opus 强一些，但是做项目规划确实挺菜的