碎言博客
·
一次 DeepSeek Kimi Gemini 代码编写能力的测评
内容提要
作者记录了使用DeepSeek R1 14B进行next.js项目开发的体验。尽管模型在复杂推理和编程能力上表现不佳，但DeepSeek的代码最终成功运行并实现基本功能。与Gemini和Kimi相比，DeepSeek在速度和通过率上更具优势，且在代码准确性上表现更佳。
关键要点
-
作者记录了使用DeepSeek R1 14B进行next.js项目开发的体验。
-
DeepSeek在复杂推理和编程能力上表现不佳，但最终成功实现基本功能。
-
DeepSeek在速度和通过率上优于Gemini和Kimi，代码准确性表现更佳。
-
作者的项目是一个检测孩子英语单词默写的next.js小项目。
-
DeepSeek R1 14B在编写代码时需要多次修改提示词，仍未能输出正确代码。
-
作者提供了详细的提示词和题库样本供模型参考。
-
DeepSeek、Kimi和Gemini三个模型的回复速度依次为Gemini、Kimi、DeepSeek。
-
DeepSeek R1一次性通过代码检测，功能基本实现，界面进行了适当美化。
-
Gemini首次运行出错，修改后运行正常，但没有界面美化。
-
Kimi提供的代码无法运行，修改难度较大。
-
DeepSeek在代码准确性和建议方面表现优于其他两个模型。
延伸解读
模型性能比较
在本次测评中，DeepSeek R1 14B在代码准确性和通过率上优于Gemini和Kimi，显示出其在特定任务中的优势。尽管在复杂推理方面表现不佳，但其能够一次性通过代码检测，表明在基础功能实现上具备一定的可靠性。
提示词的重要性
作者多次修改提示词以引导DeepSeek生成代码，这表明在使用AI模型时，提示词的设计至关重要。合理的提示词能够显著提高模型的输出质量，用户在使用时应重视提示词的构建与调整。
项目的局限性
尽管DeepSeek成功实现了基本功能，但其在数据存储和用户体验方面仍存在不足，如未使用持久化存储和缺乏倒计时功能。这些局限性在实际应用中可能影响用户的使用体验，开发者需考虑后续改进。
延伸问答
DeepSeek R1 14B在编写next.js项目时的表现如何？
DeepSeek R1 14B在复杂推理和编程能力上表现不佳，但最终成功实现了基本功能。
在速度和通过率方面，DeepSeek与Gemini和Kimi相比如何？
DeepSeek在速度和通过率上优于Gemini和Kimi，且代码准确性表现更佳。
作者的项目具体是做什么的？
作者的项目是一个检测孩子英语单词默写的next.js小项目。
DeepSeek R1 14B在代码编写中遇到了什么问题？
DeepSeek R1 14B在编写代码时需要多次修改提示词，仍未能输出正确代码。
Gemini和Kimi在代码运行方面的表现如何？
Gemini首次运行出错，修改后运行正常，但没有界面美化；Kimi提供的代码无法运行，修改难度较大。
DeepSeek R1 14B给出的程序建议有哪些？
DeepSeek建议所有用户答案存储在客户端内存中，分数计算基于简单对比，并建议添加倒计时功能。
