同一提示词，11 个 AI 模型结果大不同
Choosing an AI model: one prompt, 11 models, different results
我们刚刚与 OpenRouter 合作，让 Netlify 的 AI Gateway 和 Agent Runners 支持更多前沿模型，包括 Kimi K3、GLM 5.2 和 DeepSeek V4。面对众多选择，如何判断哪个模型最适合你？我们利用内部工具 AXIS，用同一套提示词在 11 个不同模型上进行了实测。从为咖啡店建站到开发待办应用，我们对比了各模型生成的网站效果、功能实现以及消耗的积分成本。结果显示，不同模型在成本与产出质量上差异巨大，有的模型如 DeepSeek V4 Flash 仅需 2.4 积分，而 Claude Opus 5 单次运行竟高达 1055 积分。这次测试不仅揭示了模型间的性能鸿沟，也为你在 Netlify 上构建项目时的模型选择提供了直观参考。
随着选择的增多，一些不可避免的问题也随之而来：我该如何知道哪个模型最适合我？
HN 评论区
94- Systemerror7A69
我是不是搞错了，还是说这些评估虽然有趣，但对认真做开发的人来说其实没什么意义？
我之所以这么问，是因为我个人使用 AI 时，只会给出具体且详细的指令，一步步构建我的项目。
我通常不会去细看底层代码，其中有些部分我也没完全搞懂，但我给出的技术指令远比简单的两句话提示词要详尽得多。
所以在我看来，这种“基于简单提示词的一次性生成”评估，对于模型评估本身来说相当无意义，因为它完全无法代表真实世界的应用场景。
这更像是给“氛围感程序员”准备的——那些编程背景很少甚至没有，却想弄个网站的人？
- isqueiros
> 为一家社区咖啡店建一个单页网站：包含营业时间、地址、简短菜单和一张照片。除非我自己修改，否则上面没有任何内容会变动。
如果这就是全部提示词，那看到这些结果长得如此相似，真让人感到沮丧。我欣赏 Opus 5 版本中的一些细节，但我忍不住强烈感觉到那个设计中透出的