DEV Community
·
我测试了顶尖的AI模型来构建相同的应用程序 - 结果令人震惊！
💡
原文英文，约1800词，阅读约需7分钟。
📝
内容提要
随着技术的快速发展，多个大型语言模型（LLM）不断更新。测试显示，Gemini 2.0 Flash在创建简单宝可梦游戏中表现最佳，获得5星，而DeepSeek R1仅得1星，表明AI编程能力显著提升。
🎯
关键要点
- 技术快速发展，多个大型语言模型（LLM）不断更新。
- Claude 3.5 Sonnet曾是编程工作的领先选择，但是否仍然是最佳选择值得探讨。
- 测试任务是创建一个简单的宝可梦游戏，结果显示Gemini 2.0 Flash表现最佳，获得5星。
- DeepSeek R1表现不佳，仅获得1星，显示其编程能力不足。
- 测试分为两个阶段，第一阶段使用Claude 3.5 Sonnet、DeepSeek R1和ChatGPT-4o，第二阶段使用更多LLM进行更全面的评估。
- Gemini 2.0 Flash在响应速度和游戏功能上表现出色，创建了一个完整的游戏。
- Grok 2的代码库存在问题，需通过Claude修复后才能正常工作。
- Mistral在生成代码方面速度最快，仅用2秒。
- o3-mini成功创建了一个工作应用，但按钮名称较为通用。
- Qwen2.5-Max的游戏逻辑需要改进，攻击伤害固定为1。
- Claude 3.5 Sonnet的游戏逻辑存在问题，无法显示宝可梦图像，但成功修复了其他模型的代码。
- 测试结果显示AI模型在创建代码方面的能力显著提升，尤其是在较少人类干预的情况下。
➡️
