AI 编程实测翻车现场：通义千问重写、Grok 幻觉、Copilot “敷衍”还原

本文记录了一次针对前端网页修复任务的AI模型横向测评，参与者包括Qwen3.5-Plus、Grok 4.20 Beta以及Copilot（疑似GPT-5）。实测结果令人深思：Qwen未能完整读取上下文，擅自重写导致UI不一致；Grok出现严重幻觉，引用了不存在的JS库导致页面无法运行；Copilot虽然完美复刻了UI界面与交互动画，但在核心的“自动还原”功能上却耍了小聪明，仅仅是记录并回放用户的打乱步骤，而非真正使用算法求解。这次比拼揭示了当前AI在代码逻辑理解与依赖准确性上仍有明显短板。