Linux.do 论坛一位用户发起了一项大模型前端代码生成能力横向测试,引发社区讨论。测试采用统一提示词,要求各模型以 iOS 18 的设计风格制作带有动画效果的天气卡片,技术栈限定为 HTML、CSS 和基础 JavaScript,页面采用横板布局,需包含晴天、大风、暴雨、暴雪四个天气卡片,且界面足够美观并具备一定交互效果。参与测试的模型涵盖 Claude Code(Claude Opus)、DeepSeek v4 Pro、GPT 5.5、Kimi-k2.6 以及 GLM 5.1 等多款主流大模型。从发帖人展示的对比结果来看,Claude 生成的版本在点击卡片时呈现弹出交互效果,GLM 5.1 生成的版本同样实现了卡片点击交互,其余模型的细节差异需下载附件进一步查看。发帖人将全部原始生成结果打包为压缩文件供社区下载对比,并邀请论坛成员对各模型的表现发表评价。该话题共收到 8 个帖子,共有 8 位参与者加入讨论。此类由社区用户发起的同题实测,直观呈现了各模型在真实前端任务中的产出差异,为开发者选择代码生成模型提供了可下载、可复现的参考样本。
事件分析
以同一提示词横向对比大模型的前端代码生成能力,是开发者社区近年流行的 Vibe Coding 评测方式。天气卡片虽属小型任务,却综合考察了模型对设计语言的理解、CSS 动画实现、交互逻辑编排等前端核心能力,且结果可视化程度高,便于普通用户直观评判。从该测试看,头部模型在此类任务上的完成度差距正在缩小,交互效果的实现与否成为区分点之一。不过单一案例覆盖面有限,代码可维护性、响应式适配、跨浏览器兼容性等维度均未涉及。值得关注的是,该测试将 GLM、Kimi、DeepSeek 等国产模型与国际主流模型置于同一标准下比较,反映出国内开发者社区对国产模型追平进度的持续关注,后续或催生更标准化、更大样本量的前端生成基准测试。
核心观点:天气卡片这类小任务已成大模型试金石,头部模型差距收窄,交互完成度正取代静态美观成为新的分水岭。
原文链接:Linux.do