告诉coding agent一句话： 『实现一个网页版五子棋游戏』，对比目前各最新的大模型的能力。测试不一定很科学的测试个大模型的能力，只能说从一个用例方向上做对比。
综合分析
同一句提示词「实现一个网页版五子棋游戏」，通过 pigo 命令行、medium 思考档位，分别丢给 8 个最新模型，得到的结果差异相当明显。总体上每个模型都完成了「能玩的五子棋」这个基本盘，但在是否带 AI 对弈、运行方式、设计审美、工程严谨度四个维度上分化清晰。其中 deepseek-v4-flash 和 kimi-k3 是综合表现最好的两个——功能全、AI 实测能用，而且都自带了测试。
对比一览
| 模型 | 文件结构 | 运行方式 | AI 对弈 | 设计风格 | 亮点 |
|---|---|---|---|---|---|
| deepseek-v4-flash | 多文件（js 分层 + README） | 双击打开 | ✅ 三模式三难度（含 Alpha-Beta，实测可用） | 深蓝暗色 + 橙色三栏 | 综合最强：功能最全 + 自测 + 主动修 bug |
| kimi-k3 | 单文件 | 双击打开 | ✅ 双人 + 人机三难度（模式匹配，实测可用） | 暗色、棋盘居中 + 侧栏 | 单文件即全功能 + 自测（Node 模拟） |
| deepseek-v4-pro | 单文件 | 双击打开 | 无（纯双人） | 深蓝暗色 + 橙色标题 | 开箱即用，落子记录清晰 |
| Opus 5 | 多文件（模块化 + server.mjs） | 需本地服务器 | 有（alpha-beta，可选难度） | 暗色、功能导向 | 唯一自带单测，无障碍/高分屏适配最全 |
| gpt-5.6-luna | 3 文件 | 双击打开 | 无（本地对战） | 杂志编辑排版、浅米色大字标语 | 设计感最强，最不像「程序员做的界面」 |
| gpt-5.6-sol | 3 文件 + artifacts | 双击打开 | 有（挑战电脑模式） | 浅色简洁 | 自带对局规则说明、计时、键盘落子 |
| glm-5.2 | 单文件 | 双击打开 | 无（预留扩展） | 暗色、双方计时卡片 | 生成后自检（语法/胜负判定/无头截图验证） |
| MiniMax-M3 | 3 文件 | 双击打开 | ❌ 名义有、实测失效（AI 从不落子） | 咖啡棕三栏、精致 | 界面最精致，但人机对战是坏的 |
分模型点评
- deepseek-v4-flash：综合表现最好的一个。功能一次性做到最全——三种对局模式（双人 / 人机 / AI 观战）、三档 AI 难度（简单随机、中等贪心、困难 Alpha-Beta 深度 4 搜索），还把纯逻辑（
game.js/ai.js）和界面（app.js）拆开，附了写得相当细的 README。更关键的是它像 glm 一样自己验收：跑了 Node 单元测试（棋型/五连判定 + 模拟落子确认 AI 会应招 + 堵活三/冲四等战术）和无头浏览器烟测，过程中还主动发现并修掉两个真 bug（其中一个正是AI is not defined的变量作用域冲突——如果没修，就会重蹈 MiniMax 的覆辙）。我在 Chrome 里实测人机对战：黑棋落 H8 后白棋立刻回 G7，AI 确实能用。 - kimi-k3：另一个综合表现拔尖的模型，走的是「单文件却全功能」的路子。整个游戏塞进一个 18KB 出头的
index.html，双击即玩，却同时提供双人对战和三档难度（简单 / 普通 / 困难）的人机对战，用的是模式匹配启发式 AI。它也和 flash、glm 一样自己做了验收——用 Node 模拟对局跑了一遍，确认 AI 能正确应对活四等威胁。我在 Chrome 里实测人机对战：黑棋落子后白棋（AI）确实回了一手，最后一手还标了红圈，人机对战真跑通了。功能齐、AI 实测可用、还自带自测，只是没像 flash 那样把逻辑拆成多文件。 - deepseek-v4-pro：最「稳」的一个。单个 index.html 双击即玩，15×15 带坐标、悔棋、落子记录、最后一手高亮都有，但没做 AI，只能双人对战。适合要一个能立刻跑起来的原型。
- Opus 5：工程味最重。拆成 gomoku.js / ai.js / styles.css 等多文件，用了 ES Module，所以必须起本地服务器（附带零依赖的 server.mjs）。是唯一主动写了单元测试的，还带 alpha-beta AI、难度选择、aria-live 无障碍、devicePixelRatio 高清渲染。工程质量最高，代价是不能直接双击打开。
- gpt-5.6-luna：审美上的异类。整体是杂志/编辑排版，浅米色底 + 超大「落子无悔，胜负在心」标语，配 GOMOKU / TRADITIONAL BOARD GAME 英文标签。功能是本地双人对战，无 AI，但视觉最出片。
- gpt-5.6-sol：产品化思路最完整。顶部「挑战电脑 / 玩家对战」切换，左侧对局状态 + 计时，右侧直接放对局规则说明，还支持键盘（方向键选点、Enter/空格落子）。带 AI，浅色界面干净。
- glm-5.2：唯一「自己验收」的模型。生成后主动做了 JS 语法检查、胜负判定测试、无头 Chrome 截图（720×900）和 DOM 元素校验，逐项打勾。单文件双击可玩，高分屏 Canvas，暂时只做双人、预留了 AI 扩展。
- MiniMax-M3：界面最精致的一个——咖啡棕三栏布局（模式/棋子选择、棋盘、计分板 + 落子记录），代码里也确实写了启发式 AI（连五/活四/冲四/活三/眠三 + 攻防权重 + 中心偏好）。但人机对战是坏的：实测（Chrome 打开 file:// 页面，切到「人机对战」后落子）黑棋落下后，白棋一直卡在「思考中…」，AI 从不落子、棋局锁死，控制台也没有报错。也就是说它把 AI 界面和评分逻辑都摆出来了，却没真正跑通——功能列表看着最全，可用性反而垫底。
结论
- 综合首选 / 全都要：deepseek-v4-flash（三模式三难度、AI 实测可用、还自带测试）、kimi-k3（单文件即全功能、AI 实测可用、也自带自测）。
- 要立刻能玩、最省事：deepseek-v4-pro、glm-5.2、kimi-k3（单文件双击，且 kimi-k3 还带人机对战）。
- 要人机对战：deepseek-v4-flash（最全）、kimi-k3（单文件带三难度）、Opus 5（工程最扎实，AI 真正跑通）、gpt-5.6-sol。注意 MiniMax-M3 的人机对战实测是坏的。
- 要好看/有设计感：gpt-5.6-luna（杂志风）、MiniMax-M3（精致三栏，但只有双人对战真正能玩）。
- 看工程规范：deepseek-v4-flash、Opus 5（模块化 + 单测）、glm-5.2、kimi-k3（后两者自动自检）。
一个有意思的观察：面对完全相同的模糊需求，不同模型在「补全需求」上的默认取向差别很大——有的默认只做双人对战（deepseek-v4-pro、luna、glm），有的默认就把人机对战、难度、规则说明这些没明说的东西一并补上（deepseek-v4-flash、Opus 5、sol、MiniMax）；deepseek-v4-flash 和 glm-5.2 甚至默认帮你把测试验收也做了。而 MiniMax-M3 恰好是个反面教材：主动加了最多功能，界面也最漂亮，却没验证核心的人机对战能不能跑，导致「看起来最强、实际最不能用」——模型自述的功能清单不能全信，还得亲自跑一遍。这一点上 deepseek-v4-flash 尤其亮眼：它加的功能最多，却也是唯一自己把「AI 会不会应招」这种核心行为测了一遍、还顺手修掉了会让 AI 失灵的 bug 的模型。
kimi-k3
kimi-k3 是这次和 deepseek-v4-flash 并列表现最好的模型，特点是「单文件却把功能做全」。它没有拆分文件，而是把整局游戏塞进一个 18KB 出头的 index.html，零依赖、双击即玩，却同时给了双人对战和三档难度（简单 / 普通 / 困难）的人机对战。AI 用的是模式匹配启发式评分（连五、活四、冲四、活三等棋型加攻防权重），并不是最重的搜索，但实测能挡住威胁。
界面是暗色主题，棋盘居中、两侧放侧栏——模式与执子选择、操作按钮、计分板（黑胜 / 白胜 / 平局）和落子记录都有，最后一手用红圈标出。它也保持了「自测」的好习惯：因为浏览器截图工具当时有环境问题，它改用 Node 模拟了一整局对弈，验证 AI 会正确应对活四这类威胁后才交付。我在 Chrome 里复核了人机对战：黑棋落子后白棋（AI）立刻回了一手，最后一手的红圈也正确落在 AI 的白子上，人机对战确实跑通。
小结：和 flash 一样「既做得多、又真跑通」，还额外做到了单文件即交付全部功能。唯一相对 flash 逊色的是没有把逻辑拆成多文件模块、AI 用的是模式匹配而非深度搜索。
deepseek-v4-flash
deepseek-v4-flash 是这次综合表现最好的一个，功能一步到位。它没有把代码堆一起，而是分层交付：index.html + style.css + js/{game.js, ai.js, app.js}，其中 game.js（棋盘/落子/悔棋/五连判定）和 ai.js（窗口评分启发式 + Alpha-Beta 搜索）是与 DOM 无关的纯逻辑模块，浏览器和 Node 双环境可用，还附了一份写得很细的 README（含运行方式、目录结构、规则与技术要点）。仍然是零依赖、双击即玩。
界面沿用了 deepseek 家族的深蓝暗色 + 橙色风格，三栏布局：左栏是对局模式（双人对战 / 人机对战 / AI 观战）、执子颜色、AI 难度（简单 / 中等 / 困难）、操作（重新开始 / 悔棋 / 提示）、以及对局信息（当前回合、落子数、结果）；中间 15×15 带坐标和星位、最后一手红点；右栏是可滚动的落子记录。功能是几个模型里最全的——三种模式、三档难度，困难档用的是深度 4 的 Alpha-Beta 极小极大搜索，能识别必胜/必堵。
最难得的是它自己做了验收：跑了 Node 单元测试（棋型与斜向五连判定、模拟落子确认「黑落子 → 白 AI 回应」、以及堵冲四/堵活三等战术），又做了无头浏览器烟测（语法、加载、胜利横幅与五连高亮）。过程中它还主动发现并修掉两个真 bug，其中一个是 var 声明与全局 const 冲突导致的 AI is not defined——正是这类 bug 让 MiniMax-M3 的 AI 彻底失灵，而 flash 自测时抓到了它。我也在 Chrome 里复核了人机对战：黑棋落 H8 后白棋立刻应了 G7，AI 确实能用。
小结：功能最全 + 自带测试 + 主动修 bug，是「既做得多、又真跑通」的唯一一个。如果只能选一个交付，就是它。
deepseek-v4-pro
deepseek-v4-pro 的思路是「一把梭、单文件交付」。它先用 todo 列了 5 步计划（搭棋盘 → 落子交替 → 胜负判定 → 悔棋/重开/计分 → 打磨 UI），然后把整个游戏塞进一个 22KB 出头的 index.html，双击浏览器就能玩，零依赖、零配置。
界面是深蓝暗色底 + 橙色「五子棋」标题，15×15 棋盘带 A–O / 1–15 坐标，右侧一栏放当前落子方、比分、悔棋按钮和红色的重新开始，底部一条横向的落子记录（H8、G7、G9……）读起来很清楚，最后一手用红点标出。功能覆盖了悔棋（Ctrl+Z）、最后一手高亮、响应式布局。
小结：最「稳」也最省事的一档，要一个立刻能跑的原型选它就对了。短板是只做了双人对战，没有 AI。
Opus 5
Opus 5 是几个模型里工程味最重的一个。它没有把代码堆在一个文件里，而是拆成了 gomoku.js（棋盘与核心对局逻辑）、ai.js（alpha-beta AI）、styles.css、main.js、index.html，还附了 package.json 和一个零依赖的静态服务器 server.mjs。因为用了 ES Module，file:// 直开会被浏览器拦，所以它给出的运行方式是 npm start 起服务、访问 localhost:8000。
界面是暗色主题，标题下有一行副标题「15×15 棋盘 · 双人对战或人机对战 · 无禁手」。右侧面板功能最全：对战模式（人机/双人）、AI 难度、我的执子、悔棋、重新开始、黑胜/白胜/平局计分，以及带编号的棋谱。它还是唯一主动补了细节的：npm test 单元测试、aria-live 无障碍朗读、devicePixelRatio 高清渲染、键盘操作。
小结：工程质量最高——模块化、带测试、AI 真正跑通。代价是不能双击直开，得起个本地服务器。
gpt-5.6-luna
gpt-5.6-luna 在审美上是个异类，做出来的完全不像「程序员随手写的界面」，而像一张杂志内页。浅米色底，左侧一整列超大衬线中文标语「落子无悔，胜负在心。」，配上 TRADITIONAL BOARD GAME、GOMOKU 的英文小标签，右上角标着 LOCAL MATCH 15×15，棋盘做成一块带 BOARD / 01、MOVE 10 标注的卡片，整体排版克制又高级。
功能层面是本地双人对战：当前回合、对局记录、悔棋（Z）、重新开始都有，交付为 index.html + styles.css + app.js 三个文件，声明无需依赖、双击即玩（截图里的 4173 端口只是它自己起的预览）。没有做 AI。
小结：视觉最出片的一个，适合当门面/演示。功能上偏保守，只有双人对战。
gpt-5.6-sol
gpt-5.6-sol 走的是产品化路线，考虑得最周到。顶部直接放「挑战电脑 / 玩家对战」两个模式切换和一个声音开关；左侧是完整的对局状态区——你（执黑·先手）、当前回合、倒计时、电脑（执白·后手）、本次战绩；右侧居然还专门列了一块「对局规则」说明（黑方先行、五连获胜、无禁手），并提示可以用方向键选点、Enter/空格落子。
界面是干净的浅色风格，交付 index.html + styles.css + game.js（外加一个 artifacts 目录放截图）。带 AI 对弈，胜负判定、悔棋、计分俱全，无障碍/键盘操作也照顾到了。
小结：最像「成品」的一个，规则说明、计时、键盘操作这些没明说的东西都主动补上了，带可用的人机对战。
glm-5.2
glm-5.2 最特别的地方是它「自己给自己验收」。生成完单文件 index.html 后，它没直接收工，而是主动跑了一轮检查并逐项打勾：JS 语法检查通过、横/竖/斜四个方向的胜负判定测试通过、用无头 Chrome 截了张 720×900 / 274KB 的图确认能渲染、DOM 关键元素校验存在——最后才告诉你「双击即可运行」。
界面是暗色主题，顶部把黑方、白方做成两张带各自计时（用时 00:34 / 00:26）的卡片，棋盘高分屏 Canvas 渲染、带坐标和星位、最后一手用红圈标出。功能上支持双人对战、悔棋、重开、键盘快捷键（Z 悔棋 / N 新局）、平局判定，AI 目前只是预留扩展、没实装。
小结：唯一带「自测」习惯的模型，交付前自己验证了核心功能，可信度高。目前只做了双人对战。
MiniMax-M3
MiniMax-M3 是界面最精致的一个：咖啡棕暗色主题，三栏布局——左栏游戏模式（双人/人机）和执子选择，中间是棋盘和回合数，右栏计分板加带编号的落子记录。棋盘是渐变木质 + 噪点纹理，棋子有高光阴影，胜利时还设计了红色发光连线 + 黄圈闪烁的动画。代码里 AI 的启发式评分也写得最细，把连五、活四、冲四、活三、眠三配上攻防权重和中心偏好都算了进去。
但人机对战是坏的。我用 Chrome 打开它的页面、切到「人机对战」、落下黑棋 H8 后，白棋就一直卡在「白棋（AI）思考中…」，连续观察数秒回合数始终停在 1，AI 从不落子、棋局彻底锁死，控制台也没有任何报错。也就是说，AI 的界面、评分逻辑、落子触发它都写出来了，静态看代码是接通的，运行时却没跑通。
小结：典型的「看起来最强、实际最不能用」——功能列表和视觉都排第一，却没验证核心的人机对战能不能跑。只有双人对战模式是真正可用的。
