一场没有彩排的实战：用半成品网站考验中国开源大模型的真实能力

我们选择了一个真实、混乱、充满历史债务的项目——正在改版的科技媒体网站。它不是空白画布，而是典型的“屎山现场”：Next.js前端、Payload CMS后台、Anime.js动效已混杂部署；设计规范散落各处，文档与代码严重脱节；功能看似存在，实则多数不可用。这种半路接手的改造任务，才是当前企业级AI应用最常面对的场景。 测试不设标准答案，也不依赖第三方评测框架。我们只提明确需求，观察模型如何理解现状、诊断问题、执行修改、协同联动，并在审美判断中展现主观能力边界。全程无提示工程优化、无人工干预、不调用外部工具，仅靠模型自身推理与代码生成能力完成闭环。

第一关：谁真正读懂了这个项目？

面对一个已有数万行代码、多版本迭代痕迹的项目，首要能力不是写代码，而是读代码。我们未提供任何说明文档，只开放项目目录结构和关键配置文件，要求模型自主梳理当前状态。 Qwen3.8-Max以10秒内响应速度领先，精准识别出近期活跃模块（CMS集成点、动效加载逻辑、未启用的API端口），并跳过四个月前已被废弃的搜索方案。它像一位驻场工程师，关注“最近改了什么”。 GLM-5.2深入解析了Payload版本锁、数据库校验机制及14个CMS集合定义，结构理解最扎实，但将一份过期的设计提案误判为待办事项，暴露出对时效性判断的薄弱。 Kimi K3用极简摘要概括整体架构，却把CMS集合数错为15个，还将临时工作日志误标为“文档仓库”。它抓主干快，但细节容错率低。 这一轮验证的是模型对工程上下文的感知粒度——不是越深越好，而是“深得恰到好处”。

第二关：从报错信息到服务恢复

前端页面启动失败，报错提示指向CMS未运行。我们将原始错误日志直接输入，不加解释，看模型能否完成诊断→决策→执行闭环。 Qwen3.8-Max直接调用命令启动CMS服务，动作干净利落；GLM-5.2在检测到端口冲突后，主动复用已有服务进程，体现成熟工程权衡意识；Kimi K3仅输出启动指令，未触发实际执行。 真正的工程能力，不在能否说出方案，而在能否让系统重新运转起来。前者是说明书，后者才是工程师。

第三关：轮播效果的“无缝”陷阱

要求实现真无限循环轮播：卡片持续左移，末尾接首张，衔接无跳帧、无停顿、不复制数据。 GLM-5.2交付最完整功能集——支持自动播放、鼠标拖拽、DOM复用循环，仅在帧衔接处存在毫秒级视觉断层，属技术极限内的合理偏差。 Kimi K3重构了滚动逻辑，达成物理级循环，但关闭了自动播放，且动画过渡存在提前退场现象，属“正确但未完工”。 Qwen3.8-Max采用内容重复填充策略，表面循环实为线性延长，用户滑到底部仍会遭遇重置跳转。这是一种危险的“可用性幻觉”——看起来跑通了，实则架构不可持续。 这一轮揭示了模型对“需求本质”的把握差异：是满足字面描述，还是穿透表象抵达技术本源？

第四关：一次颜色变更背后的范围控制力

将“最新观点”板块强调色由绿色改为科技蓝（#3157FF），需同步更新标题、序号、悬停态、边框、圆角等全部视觉层，且兼容多类型卡片变体。 Qwen3.8-Max最快完成主体样式替换，仅遗漏悬停态交互色，属执行疏漏；GLM-5.2主动询问边界条件（如无序号卡片如何处理），但在未获确认区域出现选择性修改，暴露流程严谨性与落地一致性之间的断层；Kimi K3仅修改了边框与一处文字色，其余部分完全未触碰，反映任务拆解能力不足。 颜色变更看似简单，实为检验模型能否将模糊设计语言转化为精确代码操作清单的核心指标。

第五关：没有参考图的审美决策

要求重设计首页Hero区，保留文案与按钮，但需体现科技媒体的专业感、前沿感与编辑气质，禁用霓虹渐变、玻璃拟态等流行元素。 Kimi K3构建出带几何网格背景与柔光动效的科技极简布局，蓝色主调贯穿始终，动效克制且响应式完备，精准锚定“AI原生媒体”定位； Qwen3.8-Max采用超大无衬线标题+极简留白，回归内容媒体本质，视觉重心清晰，但动效归零，风格偏静态； GLM-5.2引入杂志式衬线斜体与期刊元信息（EDITORIAL/EDITION 2026），形成强编辑人格，但弱化了科技媒介特性，且未添加任何动效。 审美无标准答案，但风格一致性、媒介属性契合度、技术可行性构成可评估维度。Kimi K3在此项展现出罕见的前端主动性与风格统合力。

第六关：CMS审核流的多端联动

要求改造Payload CMS审核工作台：列表集中展示待审文章，点击展开右侧详情面板，支持正文预览与状态更新，操作后实时刷新列表与计数器。 Qwen3.8-Max交付最完整界面——标题、作者、时间、状态、摘要、正文预览、操作按钮全部就位，且状态变更后列表即时响应； Kimi K3实现基础结构与操作，但正文预览仅显示摘要片段，未达“不跳转查看全文”要求； GLM-5.2详情区被图片占位符大面积遮挡，核心信息呈现失效，偏离任务目标最远。 CMS改造考验的是模型对前后端耦合逻辑的理解深度，以及对状态驱动UI范式的掌握程度。

终局观察：没有全能选手，只有适配场景

六轮测试中，没有任何一款模型全胜。Qwen3.8-Max在响应速度、现状感知与任务覆盖度上表现突出，适合快速原型验证与高频迭代场景；GLM-5.2在底层结构理解与复杂交互实现上更具韧性，适合需要深度定制与长期维护的项目；Kimi K3在审美表达与CMS逻辑建模上展现独特优势，尤其在需要风格统一与业务流程重构的任务中潜力显著。 这场测试不为排名，而为映射——映射中国开源模型正从“参数竞赛”走向“工程落地”的真实拐点。它们不再只是实验室里的性能数字，而是开始在真实的代码屎山、混乱的需求文档、断裂的技术栈中，笨拙却坚定地学习如何成为一个合格的协作者。