简单试了下天气卡片，中文英文都试了，太简陋了：
中文：
创建一个包含 CSS 和 JavaScript 的单一 HTML 文件，用于生成动画天气卡片。卡片应该通过不同的动画直观地表示以下天气状况：
风：（例如，移动的云朵、摇摆的树木或风线）
雨：（例如，下落的雨滴、形成的水坑）
阳光：（例如，闪耀的光线、明亮的背景）
雪：（例如，下落的雪花、积累的雪）
所有天气卡片应并排显示，卡片应该有深色背景。
在这个单一文件中提供所有 HTML 、CSS 和 JavaScript 代码。JavaScript 应该包含一种切换不同天气状况的方式（例如，一个函数或一组按钮）以展示每种天气的动画效果。
英文：
Create a single HTML file containing CSS and JavaScript to generate an animated weather card. The card should visually represent the following weather conditions with distinct animations: Wind: (e.g., moving clouds, swaying trees, or wind lines) Rain: (e.g., falling raindrops, puddles forming) Sun: (e.g., shining rays, bright background) Snow: (e.g., falling snowflakes, snow accumulating) Show all the weather card side by side The card should have a dark background. Provide all the HTML, CSS, and JavaScript code within this single file. The JavaScript should include a way to switch between the different weather conditions (e.g., a function or a set of buttons) to demonstrate the animations for each.
第 1 条附言 · 3 小时 37 分钟前
就像有些老哥说的，我的评价确实太武断了，不太能说明啥，而且有点标题党，容易引起争议。
目前单纯的 API 价格相对于订阅制来说还是会让人价格很敏感，希望后面尽快推出 Coding Plan 吧。
另外，即使国产模型还没到 Opus 4.6 的级别，但是好歹 OpenAI 的新模型到了，不用再看 A\ 的脸色了。国产模型目前的进步速度，应该能尽快追赶上的。
还有别吵了，我都下沉过了还是没用，看了下还是挂在热门那。哪位管理员看到帮忙从热门那下掉。
目前单纯的 API 价格相对于订阅制来说还是会让人价格很敏感，希望后面尽快推出 Coding Plan 吧。
另外，即使国产模型还没到 Opus 4.6 的级别，但是好歹 OpenAI 的新模型到了，不用再看 A\ 的脸色了。国产模型目前的进步速度，应该能尽快追赶上的。
还有别吵了，我都下沉过了还是没用，看了下还是挂在热门那。哪位管理员看到帮忙从热门那下掉。
 |
1
Nzelites 10 小时 19 分钟前
有无其它 ai 的对比？
|
 |
2
dingawm OP @Nzelites #1 可以网上找找其他的看看，差距有点明显，可能 Sonnet 4.6 都不如，不过我这也只是单个测试，等后面看看有没有更多的测试吧。晚点可能再试一下 kimi2.6 ，最近用得挺多，目前感觉国产里编程写前端第一的，后端还没试。
|
 |
4
96 10 小时 14 分钟前  4
|
 |
6
HeyWeGo 10 小时 12 分钟前 1
这段时间 gemini 降智，短暂使用了 ds 一段时间，风格明显不一样。gemini 做的时候会考虑业务实际情况，会提出自己的开发，虽然大部分是顺从需求，但有些不符合业务需求的点他会提出反对或优化意见，ds 只要你提，只要能实现需求，他只会基于代码的可实现性和是否满足提出的需求去改代码，结果就是可能造成业务上的错乱。感觉就像是对真实世界知之甚少的纯开发，没有一种灵性。
|
 |
8
afkool 10 小时 11 分钟前
试了 gemini 和 gpt,大差不差。
|
|
9
dingawm OP @Nzelites #3 在一个单页表单应用的相同的 Claude 优化的一个比较完善的 Prompt 下，打败了 Gemini 3.1 Pro ，不过两个环境不一样，而且也有可能有抽卡的情况。体现在 UI 样式两个差不多，但是 kimi2.6 的问题更少，更像一个正常表单
|
 |
10
hhh12 10 小时 9 分钟前 via Android 84
大部分人不要以自己手头工作的体感，来判断当今几大主流 LLM 的能力。
大部分人的工作难度就是高考数学水平，你非要让陶哲轩、丘成桐、陈省身、张益唐来个大比赛， 结果分数分别是 98 、99 、97 、98 ，然后你作为高中生，还要对着卷子上的标点符号和字体强行评价一番， 完全是自取其辱。 对于绝大多数没那么抽象、逻辑没那么复杂、数理没那么相关的工作，比如调用个工具，糊个前端后端，写个 C++这些没那么复杂的任务， 最新版本的 GPT 、claude sonnet 、gemini 、kimi 、glm 、qwen 、deepseek 之间，已经没有可观测的差距了。 你所有感知到的差距，就像高考难度的题目陶哲轩 98 分和丘成桐 99 分之间的差距一样，你几乎完全 100%就是主观地在鸡蛋里挑骨头了。 就像很多人不信任何 benchmark ，20 多个 benchmark 总共几十万个 test case 看都不看， 只要一出个新模型，就自己指挥 LLM 当场写个贪吃蛇，拿七八个贪吃蛇截图，开始点评“这个贪吃蛇太绿了”、“那个贪吃蛇动画不好”，一顿侉评， 完全就是火车硬卧车厢高声点评伊朗最新局势的水准。 |
 |
14
airtee 9 小时 43 分钟前
用你提示词原风不动生成的 https://frosty-limit-6b28.svip9.workers.dev/效果
|
 |
17
Elietio 9 小时 37 分钟前
Gemini 3.1Pro
https://s3.bmp.ovh/2026/04/24/y2CjqNjL.png deepseek https://s3.bmp.ovh/2026/04/24/kDof2mfj.png |
 |
23
cctvbnm111X1 9 小时 30 分钟前
子豪：你看这个人不会用 AI 啊，提示词和 skill 都不会，快教教他吧
|
|
25
dingawm OP @cctvbnm111X1 #23 特意没用 skill
话说子豪是谁？ |
|
26
Elietio 9 小时 25 分钟前 1
|
 |
28
mingtdlb 9 小时 19 分钟前
|
|
29
airtee 9 小时 16 分钟前
 )吃饭时候顺手做的 |
|
30
airtee 9 小时 14 分钟前
 ) |
|
31
dingawm OP @mingtdlb #28 嗯嗯，我也知道是抽卡，我试了 3 次，两次中文，一次英文，界面确实有点简单，但是可能也只是前端界面审美不太行，后端啥的还没测试
|
 |
32
stefwoo 9 小时 13 分钟前
https://mp.weixin.qq.com/s/DwleBgjy3EiS7zWqlrsTEw
文中提到： 其四，不讲究的架构与 UI 。V4 基本保留了之前 DeepSeek V3 在各类架构设计上的思路，不讲究，不够精致，但也不糊弄，该有的分层，解耦，都会有。做不到 Opus 那样一看就出自大手的规范性架构。UI 方面同样如此，直出效果不算优秀，偶尔会有些精细表达，但多数时候就是基本能用的程度。甚至 high 档位偶尔下限更低，考虑不周全。如果实际开发配合设计稿，那么问题不大。但如果是纯 vibe coding ，那实现效果就需要反复抽卡。 |
 |
35
ldapadmin 9 小时 10 分钟前
你少了多少钱！
|
|
38
airtee 9 小时 5 分钟前
|
|
39
airtee 8 小时 55 分钟前
专家模式也是一个吊样，逻辑自洽都做不到
 ) |
 |
40
nkloveni 8 小时 54 分钟前
@hhh12 这个，消费者是上帝，提上帝提供情绪价值也是价值的一部分。另外各大模型还是有肉眼可见的风格差异的，gemini 明显管不住手，动不动就乱改文件。真实世界需求太复杂了，不是那几十万个 test case 覆盖的。
借用早期互联网一句名言，我评价个电冰箱还需要先学会制冷啊，相比音响圈水电火电玄学，大模型起码可以过双盲的。 点评伊朗的例子也不太恰当，你点评伊朗就打打嘴炮了，选谁家的大模型可以用脚投票的。claude 我只是买不起而已，要不然没有其他几家的事 |
 |
41
beyondstars 8 小时 50 分钟前
问了几个 AI 感觉也大差不差啊？
|
 |
42
TonyMontana 8 小时 47 分钟前
无所谓，反正也不会用，感觉 deepseek 更像是一种文化显现产物
|
 |
44
yvescheung 8 小时 40 分钟前
实测 DeepSeek V4 Pro 十分之拉胯，我的 7 个 AI 测试项目它打开最强的思考模式只能通过 4 个，Kimi K2.6 全部通过，MiMo V2.5 不开思考都能通过 5 个
|
 |
45
my2492 8 小时 36 分钟前
|
|
47
dingawm OP @yvescheung #44 啥测试？
|
|
48
dingawm OP @my2492 #45 第一个链接里有四个图，个人猜测：第一个 Claude 或者 Gemini 系列模型，第二个或者第四个 DeepSeek 模型（更倾向第二个是 DeepSeek 的）？
|
|
49
yvescheung 8 小时 30 分钟前
@dingawm 中英文混合文本提取指定信息，模仿已有程序接入新的 API ，阅读复杂长文档编写程序，翻译，复杂压缩包连续解压，逻辑分析，语义分析，都是我实际工作中遇到过的问题，反正就 DeepSeek 这个表现我是不可能拿来用的
|
|
51
my2492 8 小时 24 分钟前
@dingawm 我觉得 opus4.7 是最丑的，两个 4.6 的比较好，更喜欢 sonnet 的，gpt 的也挺粗糙，这是网页版里做的，调不了 effort
|
 |
52
dcatfly 8 小时 24 分钟前
claude sonnet4.6 adaptive
https://claude.ai/public/artifacts/07700983-b2cd-4811-b78e-f9eec284142e claude opus4.7 adaptive https://claude.ai/public/artifacts/c94bc886-a02c-4bf0-8b10-83a9a80bdde7 gpt5.5 进阶思考 https://chatgpt.com/canvas/shared/69eb010e42c881919c00e6529ba932ac 以上全部由楼主的中文提示词在各自的官方网页中生成，没有交互没有 skill 。 |
 |
53
snowman231 8 小时 21 分钟前
搭配 ui ux pro max 的 skill 使用，很强啊。
 |
|
54
dcatfly 8 小时 20 分钟前 4
@hhh12 如果“最新版本的 GPT 、claude sonnet 、gemini 、kimi 、glm 、qwen 、deepseek 之间，已经没有可观测的差距了”这句话成立，那么现在各家的价格应该相差不大了。
|
 |
55
Zzdex 8 小时 15 分钟前
|
|
56
my2492 8 小时 14 分钟前
|
 |
57
justdoitzZ 8 小时 5 分钟前
一棒子打死一个人就是这么容易
你问了一个人一个问题，这个问题，这个人回答得不是这么好，你就直接下结论了？ 观察你这个发帖和结论这个过程 本身就是一种乐事，让我不禁想，你的思考链是怎么样的，hmmmm,interesting |
|
58
dingawm OP @justdoitzZ #57 前面评论有说试了 3 次，两次中文，一次英文，差不多的效果，不能算一棒子打死吧。不过新帖（[/t/1208280]( https://www.v2ex.com/t/1208280)）确实又让我对它的评价高了起来。但是奇怪的是相同的天气卡片的 Prompt ，有的顶级模型生成的效果就是好很多，而 V4 Pro 我试了 3 次效果都不太行，然后新帖子里那个例子，提示词其实并不算长，但是效果明显好太多。
|
|
59
dingawm OP |
 |
61
cyrivlclth 7 小时 57 分钟前
用楼主的提示词，在各个网页上都试过了，很随机，反正效果都大差不差，感觉跟提示词有关，提示词只要求了文件结构，对动画要求没啥约束，完全看模型心情。
|
|
62
dingawm OP @snowman231 #53 还可以，比我的那个强，但是比楼里的一些还是差点
|
|
63
dingawm OP @cyrivlclth #61 嗯嗯，是这样的，一个看模型风格，第二个是相同的模型也会抽卡。不过我第一次用 Opus 4.6 的感受就是，明明我的提示词一般（脑子里想的和输入给它的其实不完全一样），但是它就能做成我脑子里想得那样，当时确实有点震撼。
|
|
66
dingawm OP @dcatfly #52 claude opus4.7 adaptive 这个效果最好，就像我上面说的那样，Claude Opus 系列模型风格感觉就是那种明显会自己发挥更多，但是指令遵循效果也很强，做出来的效果就很惊艳
|
|
67
my2492 7 小时 51 分钟前
其实感觉不如用 gpt image 2 先做原型图，然后再交给各模型，在提示词比较模糊的情况下，直出效果十有八九是垃圾
|
|
68
dingawm OP @my2492 #64 52 楼的这个应该算最佳了吧，也很符合我对 Opus 的体感，喜欢自己发挥很多，但是也不会偏离目标
claude opus4.7 adaptive https://claude.ai/public/artifacts/c94bc886-a02c-4bf0-8b10-83a9a80bdde7 |
|
71
my2492 7 小时 46 分钟前
@dingawm 个人审美不同，不好说哪个就最好，我还是更喜欢圆角卡片。我觉得只要能把原型图给它，它能复刻得像回事，交互设计合理，就可以用了。现在我个人觉得 gpt 稍微好一点，可以设计+制作一条龙都用 gpt 生态，claude 用来交叉 review
|
 |
72
yfmir 7 小时 43 分钟前 via iPhone
其实目前相较于模型能力，更重要的是算力需求上的优化，不知道 deepseek 这次的算法优化的优化怎样
|
|
73
my2492 7 小时 42 分钟前
@dingawm 这种简单东西其实大差不差，差距还是在复杂的东西上。或者说你要做一个比较垂直领域的东西，国模在基础知识上是不如国外模型的，需要你说得很清楚才能做好，做个烂大街的东西，运气比模型本身重要。比如你完全不懂制造业，你要模型自己去做一个制造业的平台系统，国外模型就做得很好，国内模型你得给个 PRD 文档，不然他做出来的东西，能看不能用
|
 |
74
EeveeRibbon 7 小时 39 分钟前
@hhh12 #10 我认为这样的写工具卡片、写贪吃蛇这样可能是更符合实际场景的，因为大部分人只会用笼统的提示词实现自己的需求，这时候的能力就是日用的能力。而且不同模型的代码能力差异非常明显。
|
 |
76
csfreshman 7 小时 28 分钟前
@dingawm #25 除了子豪还有子轩，老年版程序员，也是 AI 生成的短剧，哈哈哈
|
 |
77
jinyan01 7 小时 22 分钟前
|
 |
79
RangerWolf 7 小时 11 分钟前
 Gemini Pro 的输出 ChatGPT Pro 的输出我没有看到很大的差别 |
 |
81
jukanntenn 7 小时 3 分钟前
怎么说呢，你这个评测有一点点价值，但是你表达的意思容易让人理解为你的这一个评测就直接否定了 deepseek v4 pro ，感觉他们技术报告里的评测不如你的评测权威。
|
 |
82
omi4399 7 小时 3 分钟前
 混元 3 才是真的拉了 |
 |
83
yukunZhan9 7 小时 0 分钟前
我试了一下分析一个需求，gpt5.4 联网搜索加输出 3 分钟，V4-pro 不联网光 think 能 think6 分钟的😅
|
 |
84
xiaomushen 6 小时 58 分钟前
@my2492 你确定不懂业务场景的情况下，Claude 能否做出 ready for production 的东西？
|
 |
85
lan894734188 6 小时 57 分钟前
看到 hy3 笑了
|
|
86
my2492 6 小时 56 分钟前
@xiaomushen 细节比国模强多了，那种几乎没有公开互联网资料的东西，表现明显好一大截。有意思的是谷歌这个理论上拥有最多数据的公司，在这些垂直领域知识上，远远不如 gpt 和 claude ，做出来的东西没法看
|
|
87
dingawm OP @yukunZhan9 #83 可能是算力问题
|
|
89
dingawm OP @jukanntenn #81 额，标题是有点不妥，诚恳接受你的意见。我决定将这个帖子下沉吧
|
|
90
my2492 6 小时 54 分钟前
@xiaomushen 也不是说 gpt 和 claude 做出来直接能用，但完成度高得多。国模适合做那种不需要知识储备的，比如一个公司官网、一个电商页面，这种做得挺好的。
|
 |
91
ghostman 6 小时 44 分钟前
|
|
93
xiaomushen 6 小时 38 分钟前
@my2492 也许吧，不知道如何搜集训练资料的
不过对我来说，许愿池模式没啥意义 |
|
95
ghostman 6 小时 23 分钟前
cc + frontend-design + deepseek-v4-flash
 |
|
96
ghostman 6 小时 19 分钟前
cc + frontend-design + deepseek-v4-pro
 |
 |
97
Folder 6 小时 19 分钟前
 Gemini 3.1 Pro 试了下, 感觉挺好的 |
 |
99
yueloong 6 小时 4 分钟前
 本地跑的，ollama 模型 qwen3.6:35b-a3b-coding-mxfp8 |
 |
100
soulflysimple123 6 小时 2 分钟前
|
Select Language