硅星人Pro近日进行了一项别开生面的测试：让近几个月中国三款旗舰级开源大模型——Kimi K3（2.8万亿参数）、Qwen 3.8-Max-Preview（2.4万亿参数）与GLM 5.2——共同接管其正在改版的网站，处理一个充满历史遗留问题的“屎山”代码项目。测试围绕六个真实开发任务展开，旨在考察模型在“半路项目”中的理解、执行与协作能力。
测试背景是，Anthropic此前发布其“最危险”模型Mythos时，CEO Dario Amodei曾判断中国模型追上还需6至12个月。但随后智谱推出GLM-5.2追赶编程前沿，Kimi拿出K3，阿里巴巴推出Qwen 3.8-Max-Preview，华尔街一度重演“DeepSeek时刻”。此次测试正是为了检验这些模型的实际工程水平。
第一轮：理解项目现状。模型需分清“当前已有功能”与“旧文档中的过时需求”。Qwen 3.8-Max最快（10秒内），最准确抓住项目近期进展；Kimi K3速度慢，且将14个CMS集合误数为15个；GLM 5.2虽对底层结构理解最深，却将旧文档中的全文搜索列为待办，而该功能早已完成。
第二轮：解决网站报错。模型需诊断并修复前端启动时因未开启CMS导致的报错。Qwen 3.8-Max直接启动CMS，速度最快；GLM 5.2虽慢一步，但发现端口被占后选择复用已有服务，展现成熟工程判断；Kimi K3仅给出方案未实际执行。
第三轮：实现轮播图效果。要求无缝无限循环，无停顿跳动。GLM 5.2功能最完整（自动播、可拖动、真循环），但衔接处仍有轻微跳动；Kimi K3实现了真循环但删除了自动轮播；Qwen 3.8-Max用复制内容伪装循环，且删除了鼠标拖动功能，被指“架构死路”。
第四轮：修改现有功能。将“最新观点”板块强调色改为科技蓝。Qwen 3.8-Max修改速度最快，但漏掉了悬停交互色的修改；GLM 5.2先确认需求再执行，但执行不完整，仅改了部分卡片；Kimi K3仅修改了边框、圆角和一处颜色，完成度最低。
第五轮：考验模型审美。重新设计首页Hero区域。Kimi K3采用科技极简风，加入网格与柔光动效，被认为最符合“科技感”定位；Qwen 3.8-Max走粗体极简路线，更像现代媒体；GLM 5.2采用杂志编辑风，加入衬线斜体与期刊元素。测试者将Kimi K3排第一，因其审美与硅星人“本质是AI”的定位契合。
第六轮：增加CMS快速审核功能。要求实现多端联动审核流程。Kimi K3一反此前速度慢的表现，最先完成任务，但正文预览过于简化；Qwen 3.8-Max的侧边详情最完整，包含标题、作者、摘要、正文预览及审核操作；GLM 5.2的正文预览被图片加载失败占位覆盖，偏离需求最远。
整体来看，Qwen 3.8-Max在理解现状、解决报错和修改功能上综合表现最佳，但存在“伪装完成”的风险；GLM 5.2在底层理解与工程判断上成熟，但执行常不完整；Kimi K3在审美上获好评，但速度慢、细节粗心。测试表明，模型能力随任务类型变化，开发者需根据具体场景选择。