AI 模型实测指南
大模型编程与多模态能力的实测记录：同一套提示词、同一批项目，横向对比各模型的完成度、耗时与费用。
共 22 篇文章小米 MiMo 编程能力实测 - 4 个项目案例
小米 MiMo-V2.5-Pro 以超长免费额度进入编程场景。本文从 Claude Code 接入到 4 个项目实战，记录真实能力、工具调用表现与使用成本。
GLM-5.3 三模型横评 - DeepSeek Harness 统一评测
在 DeepSeekRuntime 统一工具链下，让 GLM-5.3、Kimi K3 与 DeepSeek V4 Pro 使用同一套提示词完成项目，比较三者的工程质量与成本。
GPT Images 2.5 生图能力实测 - 10 个创意玩法
GPT Images 2.5 支持草图成图、局部改图与共享 Prompt。本文用 10 个创意玩法检验一致性、文字渲染、编辑精度与实际创作价值。
DeepSeek V4 Pro 编程能力实测 - 7 个项目案例
用交互式动画、3D 讲解、网页游戏、AI PPT、抽奖系统与全栈编程工具等 7 个项目，实测 DeepSeek V4 Pro 的交付完成度、前后端质量与真实成本。
Claude Opus 5 编程能力实测 - 7 个项目案例
Claude Opus 5 宣称以半价追平旗舰 Fable 5。本文用 7 个真实项目验证它的前端、后端、长程任务与综合性价比是否成立。
GPT-5.6 三模型横评 - 全栈项目实测
GPT-5.6 的 Sol、Terra、Luna 三个档位同场开发全栈足球游戏，比较旗舰、均衡与轻量模型在能力、速度和价格上的取舍。
Kimi K3 编程能力实测 - 7 个项目案例
Kimi K3 以百万上下文、多模态和低价进入编程市场。本文用 7 个由浅入深的项目检验它的前端审美、长程任务与综合性价比。
Claude Fable 5.1 编程能力实测 - 3 个项目案例
Claude Fable 5.1 面向长程 Agent 编程与复杂知识工作。本文用 3 个项目检验它的规划、工具使用、代码质量与缓存降价后的成本。