家人們，最近國(guó)產(chǎn)大模型圈真是越來(lái)越卷了。

從Kimi K2到Qwen3，再到今晚的Wan 2.2，GLM 4.5也在huggingface上建了collections，階躍星辰表示Step3也在月底開源。

本周在OpenRouter上前10有9個(gè)是開源的，在編程上，Qwen3 Coder用量也跟Kimi K2達(dá)到并列的排名。

Qwen3 Coder vs Kimi K2，口碑都不錯(cuò)，但是到底要怎么選呢？ 我花了整整12個(gè)小時(shí)，在一個(gè)包含3.8萬(wàn)行復(fù)雜Rust代碼和1.2萬(wàn)行React代碼的真實(shí)項(xiàng)目中，進(jìn)行了Kimi K2和Qwen3 Coder實(shí)際測(cè)試，今天把細(xì)節(jié)分享給大家。 （本文無(wú)廣。）

成功率相差一倍

話不多說，直接上總成績(jī)單。在總共15個(gè)橫跨前后端的真實(shí)開發(fā)任務(wù)中，結(jié)果是壓倒性的：

Kimi K2 以 93% 的驚人成功率完成了幾乎所有任務(wù)，Qwen-3 Coder 成功率還不到一半 (47%)。

特別是在“Bug修復(fù)”和“新功能實(shí)現(xiàn)”環(huán)節(jié)，差距非常明顯。

繼續(xù)深挖原因。

核心差異一： 指令遵循體驗(yàn)

在開發(fā)中，我們比較看重的是AI能不能遵循項(xiàng)目的編碼規(guī)范和指令。我把項(xiàng)目的編碼規(guī)范都作為System Prompt喂給了它們，結(jié)果天差地別。

Kimi K2 的表現(xiàn)

幾乎完美地遵守了所有規(guī)范，API兼容性和文件修改范圍更是做到了100%不越界。

Qwen-3 Coder 的表現(xiàn)

我明確告訴它“使用??Result<T, E>???進(jìn)行錯(cuò)誤處理”，它反手就給我來(lái)個(gè)??panic!??；我讓它“保持API兼容”，它直接修改函數(shù)簽名，導(dǎo)致15個(gè)地方的調(diào)用全部報(bào)錯(cuò)。就像下面這樣：

// Guidelines specified: "Use Result<T, E> for error handling"
// Qwen-3 Output:
panic!("This should never happen"); // or .unwrap() in multiple places

// Guidelines specified: "Maintain existing API compatibility"
// Qwen-3 Output: Changed function signatures breaking 15 call sites

這種無(wú)視指令的行為在測(cè)試中反復(fù)出現(xiàn)，說明它在理解和遵循復(fù)雜約束方面存在嚴(yán)重短板。

核心差異二 ： BUG修復(fù)體驗(yàn)

在Bug修復(fù)環(huán)節(jié)，兩者的差距被進(jìn)一步放大。我給它們布置了一個(gè)比較復(fù)雜的 ??tokio::RwLock?? 死鎖場(chǎng)景。

Kimi K2 的表現(xiàn)

它花了18分鐘，系統(tǒng)性地分析了鎖的獲取模式，識(shí)別了潛在的死鎖風(fēng)險(xiǎn)，并嘗試了多種解決方案。雖然最后因?yàn)樗哺悴欢ǎ?qǐng)求了人工介入，但它在整個(gè)過程中保持了代碼的完整性，沒有破壞原有的邏輯。

Qwen-3 Coder 的表現(xiàn)像個(gè)破壞王

它完全沒理解并發(fā)問題，上來(lái)就建議移除所有的鎖（這直接破壞了線程安全），甚至還給出了unsafe代碼作為解決方案。當(dāng)這些方案都失敗后，它沒有去修復(fù)死鎖，而是直接修改測(cè)試用例的斷言，讓測(cè)試強(qiáng)行通過！

核心差異三： 代碼重構(gòu)體驗(yàn)

在前端重構(gòu)任務(wù)中，我讓它們優(yōu)化一個(gè)React組件。

Kimi K2 的表現(xiàn)

它能智能地分析現(xiàn)有組件結(jié)構(gòu)，重用已有的組件，增量式地進(jìn)行改進(jìn)，同時(shí)保持了原有的響應(yīng)式布局和設(shè)計(jì)系統(tǒng)的一致性，甚至連埋點(diǎn)和分析代碼都原封不動(dòng)。

Qwen-3 Coder 像一個(gè)拆遷隊(duì)

它沒有進(jìn)行重構(gòu)，而是直接刪除了現(xiàn)有的組件，試圖從頭寫一個(gè)。它完全無(wú)視項(xiàng)目已有的設(shè)計(jì)規(guī)范，破壞了響應(yīng)式布局，還順手刪掉了所有的分析和追蹤代碼。

成本與效率

你可能覺得，Qwen-3 Coder的token更長(zhǎng)，也許更有優(yōu)勢(shì)？然而在這次測(cè)試中，更長(zhǎng)的上下文并沒有帶來(lái)更好的性能，反而因?yàn)樾枰罅糠倒ず椭卦嚕瑢?dǎo)致成本飆升。

Kimi K2的成本

Qwen-3 Coder的成本

看圖就明白了。完成幾乎全部任務(wù)的Kimi K2，總花費(fèi)是 。而只完成不到一半任務(wù)的，總花費(fèi)卻高達(dá)69.50。

如果算“單個(gè)已完成任務(wù)的成本”，差距更恐怖：

Qwen-3 Coder的有效成本是Kimi K2的3.3倍！ 效率低、反復(fù)修改的代價(jià)，遠(yuǎn)比表面上的token價(jià)格要昂貴得多。

最后

開源模型還在飛速進(jìn)步，但目前來(lái)看，它們與 Claude Sonnet 4 或 Opus 4 這樣的頂級(jí)閉源模型在代碼能力上仍有差距。

但如果要在兩者之間選一個(gè)用于代碼開發(fā)，我更傾向于Kimi K2。

AI Agent好不好用，唯一的標(biāo)準(zhǔn)就是在你自己的代碼庫(kù)和工作流中親自測(cè)試。別人的跑分再高，也可能在你的項(xiàng)目里水土不服！