AI斗地主哪家强?
作者：微信文章前言
先跟大家道个歉——标题党了。AI在线斗地主PK项目，正在开发中，之后将放到《AI斗地主到底哪家强？》一文中。本次先各家模型的coding能力，用同一段提示词，让20+款主流AI生成静态斗地主游戏HTML页面。其实让AI生成管理系统后台前端，很难看出模型差距——如今主流AI对各类前端框架的熟练度都相当在线。但web端游戏开发截然不同，不仅布局逻辑复杂，还涉及大量图片素材的排版、适配，这些都是AI的传统短板，能最大程度暴露模型的真实实力。
比起那些模糊的跑分数据，或是其他公众号“选择性展示”的宣传式测评（只挑效果最优的页面），本次测试全程用统一提示词，结果直观可感，模型能力孰强孰弱，交给大家自行判断。
测试结果
gpt-5.2 gpt-5.2-codex
gemini-3-flash
minimax-m2.1-preview
grok-4
qwen3-coder-480b
qwen3-coder-plus
gemini-3-pro
kimi-k2
glm-4.7
qwen3-flash
小米MiMo-V2-Flash
opus-4.5
QwQ-32B
qwen3-Next-80B
qwen3-30B
qwen3-235B
qwen3-4B
qwen3-8B
qwen3-14B
qwen3-32B
deepseek-V3.2
GLM-4.5-AIR-106B
deepseek-v3
文心4.5 turbo
文心5.0
GPT-OSS-120B
doubao客户端
doubao-seed-1.8
doubao-seed-1.6-flash
总结
1. Opus 4.5 断档领先，独一档的存在
本次测试的AI生成页面，按效果可明确分为五档，其中Opus 4.5直接拉开代差：
断档领先Opus 4.5 （不光写了静态页面，居然还可以玩，还写了AI出牌策略）第二档空缺第三档，改一下也许也可以用
gemini-3-flash、
minimax-m2.1-preview、
gemini-3-pro
第四档，有个大致的形状大部分模型第五档，不忍直视100B以下开源模型和一些flash模型
2. 小参数模型实用性极低
100B参数以下的开源模型，在复杂web开发场景中效果普遍较差，无法有效提升开发生产力。
3. 本次测评的局限性
只用一条提示词“一发入魂”，确实有点片面。 这主要考的是模型肚子里有没有现成的前端模板，代表不了复杂的逻辑代码能力。而且AI发挥也有随机性，这次生成的丑，没准多刷几次就漂亮了。大家看个乐呵，别太较真。
页:
[1]