一项针对 GPT-5.5 生成代码的审查测试显示，国产大模型表现参差不齐。在审查爬虫流水线代码时，小米模型仅耗时 4 分钟，全程“赞赏”未指出严重逻辑错误，评分垫底；DeepSeek 表现中规中矩，找到了部分非关键问题；GLM-5.1 虽耗时最长，但准确识别出核心验证缺失等致命漏洞。测试指出，部分模型存在“过度讨好”用户的倾向，导致在严肃的技术验收中缺乏批判性思维。
实测三大国产模型审查GPT-5.5代码：DeepSeek稳健，GLM抓关键Bug，小米只会“夸夸”？
相关推荐
一项针对 GPT-5.5 生成代码的审查测试显示，国产大模型表现参差不齐。在审查爬虫流水线代码时，小米模型仅耗时 4 分钟，全程“赞赏”未指出严重逻辑错误，评分垫底；DeepSeek 表现中规中矩，找到了部分非关键问题；GLM-5.1 虽耗时最长，但准确识别出核心验证缺失等致命漏洞。测试指出，部分模型存在“过度讨好”用户的倾向，导致在严肃的技术验收中缺乏批判性思维。