Claude 封杀中国后，我终于找到了平替！

大家好，我是程序员鱼皮。国庆节本来想好好休息的，结果因为 AI 圈的疯狂内卷被迫加班。

就在这两天，AI 大模型界像约好了一样，扎堆发布新模型。9 月 29 日 DeepSeek-V3.2-Exp 发布，训练推理提效，API 同步降价；9 月 30 日 Claude 4.5 紧随其后发布；而同样是 9 月 30 日，号称 “国内最好的编程模型” 智谱 GLM-4.6 也跟着发布了！

这下好了，整个 AI 圈又又又又沸腾了。

作为一个天天用 AI 写代码的中毒患者，看到这么多新模型发布，我也是有点儿小激动。

到底新模型的编程能力怎么样？谁才是目前最好的编程模型呢？

我一向不喜欢空谈理论，不妨直接从项目实战的角度，给大家来个横向对比测试，看看 DeepSeek 3.2、Claude-4.5-sonnet、GLM-4.6 这三个模型的编码能力到底谁更强！

 

3 大模型争霸赛

这次我从程序员的主要工作出发，设计了 3 个不同角度的实验，全方位考验这些模型的编程能力：

1. 第一轮：从 0 开始新项目 - 测试模型从零构建完整项目的能力，包含前后端开发

2. 第二轮：给老项目新增功能 - 测试模型理解现有代码并扩展功能的能力

3. 第三轮：Bug 排查与修复 - 测试模型在复杂项目中定位和解决问题的能力

为了保证测试的公平性，我统一使用 Claude Code 作为 AI 编程工具来进行测试，可以通过修改环境变量的方式指定使用的大模型。

比如想要使用智谱的 GLM-4.6，可以参考官方的接入文档，在打开 Claude Code 前执行下列命令修改环境变量：

接入文档：https://docs.bigmodel.cn/cn/guide/develop/claude

export ANTHROPIC_BASE_URL=https://open.bigmodel.cn/api/anthropic
export ANTHROPIC_AUTH_TOKEN=YOUR API Key

 

然后进入项目目录并执行 claude 命令就可以了，国内也可以愉快地使用 Claude Code~

 

我给每轮测试、每种大模型单独准备了一个目录，防止互相干扰：

 

好了，准备工作做完，下面进入正式测试环节。

 

第一轮：从 0 开始新项目

几个月前我测试 Claude 4 的时候，AI 大模型生成后端代码的本事还不强，这次我决定加大难度，测试纯用 AI 一次性生成包含完整前后端的网站。

就让 AI 做个实用的图片压缩小工具吧，提示词如下：

请生成一个《图片压缩工具》网站，实现图片压缩处理功能。需要包含完整的前端和后端代码，要求项目可以正常运行。
​
需要实现的功能：
1. 支持常见图片格式（JPG、PNG、WebP 等）的上传与压缩
2. 可设置压缩质量（如高 / 中 / 低或自定义百分比）
3. 显示原始图片与压缩后图片的对比（尺寸、大小、预览图）
4. 压缩完成后提供下载按钮，支持批量处理
​
设计要求：
1. 现代简约风格，主色调使用绿色
2. 响应式布局，在手机和桌面设备上均有良好体验
3. 上传区域有明显的拖放提示，操作流程直观清晰

 

点击执行后，3 个大模型都很快给出了任务规划，思路都差不多，都是先搭建后端、再实现前端、前后端联调、最后测试运行：

 

但是执行速度差别就很明显了。GLM-4.6 最快，5 分钟内就完成了任务，而且还自动帮我安装好了依赖，贴心~

 

Claude 4.5 虽然花了 7 分钟才完成，但仔细一看，它有 3 分钟在生成各种文档，属于是把简单的事情搞复杂了，而且也没有自动安装依赖。

DeepSeek V3.2 就比较慢了，足足花了 10 分钟！

 

下面我们将分别从生成 代码结构、界面样式、网站功能 这 3 个角度来对比大模型的代码生成效果。

从代码结构来看，DeepSeek 最简单，就是基础的前后端文件；GLM 额外整理了前端代码结构，并且提供了启动脚本；而 Claude 的项目结构最规范，前后端分别放在了不同的目录中，前端还用了 React 框架，也提供了启动脚本，光文档就生成了 7 个！

 

我把 3 个项目都运行起来，先看看界面：

 

显然 Claude 做的确实更精致一些，页面看起来更专业。但能不能正常使用才是关键，我选了同一张图片来测试压缩效果：

 

选择图片后，我认为 Claude 的体验最好，已选中的文件就在选择图片按钮的下方，很自然；GLM 的样式也不错，布局合理；DeepSeek 就有点儿敷衍了，放了个照相机的 Emoji 📷 来凑数。

DeepSeek 和 GLM 都成功完成了压缩图片的任务，并且能够直接下载图片。在我选择默认压缩质量的情况下，Claude 和 GLM 的压缩效果不相上下，压了 DeepSeek 一头。可惜 Claude 在移动端响应式上出了点小瑕疵，原图上出现了一个小绿箭头：

 

但是在 PC 端看起来就好多了，属于是想炫技结果出了点小岔子：

 

批量压缩图片时，我更喜欢 GLM 的展示方式，它把每个图片做成了一个小卡片，信息展示更清晰：

 

第一轮测试下来，三个大模型都算是过关了，但 GLM-4.6 在速度和细节上表现更好，而且还会自动安装依赖，省心不少。

对比维度	GLM-4.6	Claude 4.5 Sonnet	DeepSeek V3.2
生成速度	⭐⭐⭐⭐⭐ 5分钟	⭐⭐⭐⭐ 7分钟	⭐⭐⭐ 10分钟
代码结构	前端整理规范 + 启动脚本	前后端分离 + React框架 + 7个文档	基础前后端文件
界面美观度	⭐⭐⭐⭐ 简约清晰	⭐⭐⭐⭐⭐ 专业精致	⭐⭐⭐ 略显简陋
交互体验	卡片式展示，信息清晰	流畅自然，移动端小瑕疵	功能可用，细节欠缺
压缩效果	✅ 优秀	✅ 优秀	良好
自动化	✅ 自动安装依赖	❌ 需手动安装	❌ 需手动安装
综合评分	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐

 

第二轮：给老项目新增功能

第二轮测试我准备了一个之前做的 AI 超级智能体项目，这个项目之前更侧重于 AI 应用开发，并没有用户模块和数据库。正好用来测试一下大模型在现有项目上扩展功能的能力。

提示词很简单，就一句话，让大模型自己发挥去吧~

请给我的项目增加用户模块，需要包括完整的前端和后端代码，并确保项目可以正常运行

3 个大模型的执行流程都是一致的：

1. 先分析现有项目

2. 设计数据模型

3. 实现后端

4. 实现前端

5. 最后测试

 

GLM 又是第一个完成任务的，只用了 6 分钟，而且还生成了详细的文档：

 

Claude 花了 9 分钟，生成了更多文档。

最让我意外的是 DeepSeek，居然花了 18 分钟？比第一名多花了整整 2 倍的时间：

 

对比代码，只有 GLM 提供了完整的数据库表结构，DeepSeek 生成的代码文件最少、GLM 最多。当然了，代码多不代表就一定更好，还得看实际效果。

细看代码发现，DeepSeek 使用了 H2 内存数据库，GLM 用的是 PostgreSQL 关系型数据库，而 Claude 的脑回路最清奇，竟然没有使用任何数据库！它直接用 Java 内存的 Map 集合来维护用户信息。这种实现方式虽然简单，但一重启服务数据就全没了。

 

再瞅瞅界面，DeepSeek 使用了弹窗登录，GLM 提供了独立的登录页面，Claude 则是单独做了个用户管理入口：

 

实际测试功能的时候，差距就更明显了。

DeepSeek 登录成功后能看到用户中心，但这个颜色是生怕用户能看到啊！

 

然而点击用户中心后，页面一片空白，无法正常使用，直接出局！

 

GLM 完成了包含用户注册登录、个人中心、修改信息、用户管理的一整套流程，而且都能正常使用：

 

Claude 则是单纯做了一个用户管理系统，可以增删改查用户，但连用户登录功能都没实现？！跟我们的系统没有结合起来。页面做得倒是挺帅，但有点跑题了：

 

这把 GLM-4.6 完胜！不仅速度最快，而且功能实现最完整，理解了我的需求。

对比维度	GLM-4.6	Claude 4.5 Sonnet	DeepSeek V3.2
生成速度	⭐⭐⭐⭐⭐ 6分钟	⭐⭐⭐⭐ 9分钟	⭐⭐ 18分钟
代码结构	完整的数据库表结构 + 文档	多文档，但无数据库	最少代码文件
数据持久化	✅ PostgreSQL 数据库	❌ 内存 Map 集合	✅ H2 内存数据库
功能完整度	✅ 注册/登录/个人中心/管理	⚠️ 仅用户管理，未集成登录	❌ 用户中心页面空白
界面实现	独立登录页面，体验流畅	独立管理入口，界面精美	弹窗登录，配色混乱
需求理解	✅ 完全理解，实现完整	⚠️ 部分理解，有所偏差	❌ 功能缺陷，无法使用
综合评分	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐

 

第三轮：Bug 排查

最后一轮是 Bug 排查能力的测试。我在一个几万行代码、包含完整前后端的复杂项目（AI 零代码应用生成平台）中故意制造了一个循环依赖报错：

 

为了增加难度，我的提示词连错误日志都不给：

现在我的 Java 后端项目无法正常启动，请你帮我分析可能的原因并修复

 

所有大模型都给出了一致的执行规划：

 

它们都选择先运行项目来发现问题，这个思路其实符合程序员标准的问题解决方法。Talk is cheap，show me the code，跑一跑才知道问题出在哪里（这一点很多初学者都不知道）：

 

GLM 和 Claude 都在 3 分钟内精准定位并修复了问题，而且二者给出的解决方案完全一样：

 

DeepSeek 虽然也给出了同样的答案，但整整花了 8 分钟。

 

显然，这并不是偶然。在三轮测试中，GLM-4.6 的速度优势非常明显，而且准确率也很高。

对比维度	GLM-4.6	Claude 4.5 Sonnet	DeepSeek V3.2
分析速度	✅ 3分钟	✅ 3分钟	8分钟
问题定位	✅ 精准定位循环依赖	✅ 精准定位循环依赖	✅ 精准定位循环依赖
修复结果	✅ 项目正常启动	✅ 项目正常启动	✅ 项目正常启动
综合评分	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐

 

个人感受

三轮实测下来，我的感受是：GLM-4.6 确实配得上目前国产最强的 coding 模型。

从速度上看，GLM-4.6 在所有测试中都是最快完成的，特别是在复杂项目的 Bug 排查上，3 分钟就精准定位并修复问题，可能比很多专业的程序员都快（而且 AI 是从 0 开始读代码）。

从功能实现上看，GLM-4.6 不仅能理解需求，还能考虑到很多细节。比如自动安装依赖、生成完整的数据库表结构、提供清晰的文档等等。

其实之前 GLM-4.5 的时候我还没觉得有多强，但这次提升明显。官方数据显示，GLM-4.6 相比 GLM-4.5 提升了 27%，在 8 大权威基准（AIME 25、GPQA、LCB v6、HLE、SWE-Bench Verified、BrowseComp、Terminal-Bench、τ²-Bench）模型通用能力的评估中，GLM-4.6 在大部分权威榜单表现对齐 Claude Sonnet 4，稳居国产模型首位。

 

而且在真实编程任务测试中，GLM-4.6 的胜率甚至超过了 Claude Sonnet 4！经过上面的几轮测试，我甚至觉得它能跟 Claude Sonnet 4.5 五五开。

最关键的是，在 Token 消耗上，GLM-4.6 相比 GLM-4.5 节省了 30% 以上，这意味着更低的使用成本。

说到成本，这也是我最想跟大家聊的。Claude 虽然很强，但现在已经封禁了中国控股公司，而且价格死贵，看看我的账单就知道了：

GLM-4.6 的定价只有 Claude Sonnet 4 的 1/7，却能买到 9/10 的智商，性价比更高。

而且通过上面的测试大家也发现了，对于改 Bug 这种任务来说，可能没必要用效果那么出色的大模型（就好比你花大价钱雇了个专家来解决大学生都能解决的问题）。尤其对于我们这些国内开发者来说，GLM-4.6 不仅能用、好用，而且用得起，这才是最实在的。

经过这次测试，我觉得国产 AI 大模型真的已经崛起了。DeepSeek 和智谱 GLM 都在疯狂进化，而且就冲国庆节两家公司加班加点发布新模型的这种拼劲儿，也让我看到了国产 AI 的希望。

好了，加班结束，祝大家节日快乐！我也建议大家一起来测试一下这几个大模型，大家说好才是真的好~

 

更多编程学习资源

• Java前端程序员必做项目实战教程+毕设网站

• 程序员免费编程学习交流社区（自学必备）

• 程序员保姆级求职写简历指南（找工作必备）

• 程序员免费面试刷题网站工具（找工作必备）

• 最新Java零基础入门学习路线 + Java教程

• 最新Python零基础入门学习路线 + Python教程

• 最新前端零基础入门学习路线 + 前端教程

• 最新数据结构和算法零基础入门学习路线 + 算法教程

• 最新C++零基础入门学习路线、C++教程

• 最新数据库零基础入门学习路线 + 数据库教程

• 最新Redis零基础入门学习路线 + Redis教程

• 最新计算机基础入门学习路线 + 计算机基础教程

• 最新小程序入门学习路线 + 小程序开发教程

• 最新SQL零基础入门学习路线 + SQL教程

• 最新Linux零基础入门学习路线 + Linux教程

• 最新Git/GitHub零基础入门学习路线 + Git教程

• 最新操作系统零基础入门学习路线 + 操作系统教程

• 最新计算机网络零基础入门学习路线 + 计算机网络教程

• 最新设计模式零基础入门学习路线 + 设计模式教程

• 最新软件工程零基础入门学习路线 + 软件工程教程