前几天不是火山大会吗，
然后我把豆包 2.1 的参数图发了个帖子，
"Gemini 现在真的拉，跑分都比不过豆包了。"
然后我就被喷了。。。
现在想想也确实，市面上的模型超多，
光看宣发和跑分，还挺难判断哪个合适，性价比最高。
所以我就想着，
不如把几个主流模型都拉出来实际跑一遍，
看看它们表现如何。
叠甲： 本次并非严格意义上的 benchmark 评测，测试 Case是一次围绕单个长链路 Agent 任务的体验观察记录，不构成对模型的全面定论捏。
于是我找了几个国内便宜的模型：
MiniMax-M3
DeepSeek-V4-flash
Step-3.7-flash
GLM5.2
这次测试Case是做一个「AI 网站聚合平台」的 HTML 单页。
测试的 Agent工具就用WorkBuddy
方法也很简单，
我让 ChatGPT 生成一段提示词 Prompt，
给这几个模型测试，看最终成果，
这对我来说也挺省事的。。。
请完成一个「AI 工具导航站」的完整开发任务，要求从需求理解到页面生成、数据整理、代码实现、运行检查、问题修复全部独立完成。 任务目标：制作一个完整可运行的 HTML 单页网站，主题为「AI 工具导航站」。页面用于展示不同类型的 AI 工具，适合做成网页 Demo、课程资料或公众号长图。 任务要求：
1. 信息收集 联网搜索并整理 20 个主流 AI 工具，覆盖 AI 写作、AI 编程、AI 图片、AI 视频、AI 搜索、AI 办公等类别。每个工具需要包含：工具名称、所属公司、主要用途、适合人群、官网链接。
2. 数据整理 将工具按类别分组，整理成结构化数据。要求信息准确，避免重复工具，国内外工具都要覆盖。
3. 页面设计 生成一个清爽、现代、科技感的 HTML 页面。页面需要包含顶部标题区、分类筛选区、工具卡片区、推荐工具区、对比表格区和总结说明区。
4. 交互功能 页面需要支持按工具类别筛选、关键词搜索、工具卡片展开详情、返回顶部按钮。
5. 代码实现 使用 HTML、CSS、JavaScript 单文件实现，不依赖后端。可以使用公开 CDN 图标库或轻量图表库，但页面必须能直接运行。
6. 运行与检查 完成后请自行检查页面是否存在代码错误、样式错乱、按钮无效、链接缺失、筛选失败等问题。如果发现问题，请主动修复。
7. 输出结果 最终输出完整可运行的 HTML 文件内容，并附上简短说明：用了哪些数据来源、页面包含哪些模块、有哪些交互功能。 特别要求： 请尽量一次性完成整个任务。过程中如果需要调用搜索、网页读取、代码生成、文件修改、运行检查、错误修复等工具，请按合理顺序连续完成，不要跳步。最终结果以可运行页面为准。无聊的过程就跳过了，直接看结果！！
文末也有省流版总结，可以直接划到底部
MiniMax-M3
多轮工具调用包括搜索资料、整理数据、生成页面代码等。
属于是模型的基本线了，只能说十分正常。
这个是制作完成后的页面效果。
从最终页面来看，没有特别追求视觉上的炫酷，
但胜在流程稳定，任务理解也比较清楚。
Workbuddy里面消耗积分：27点积分左右。
换算一下差不多在1.33元。
Step-3.7-flash
Step-3.7-flash是这次测试里比较符合生产级 Agent定位的模型。
它在多工具调用上的积极性比较高，
会连续完成搜索、读取、整理、生成、修改和检查。
因为 Prompt 里面有"科技感"所以会倾向于赛博霓虹那种色系
AI 很喜欢这种配色，所以 AI 味会比较浓。
如果没有特别说明，大概率都会默认生成深色系的网站页面。
Step在数据整理方面表现比较突出。
它会尽量覆盖写作、编程、图片、视频等
办公等不同类别，不只列几个常见工具。
从页面完成度来看，Step-3.7-flash 的内容密度最高。
本轮测试费用约为：0.7元左右，中规中矩。
如果你的任务是高频、多轮、低延迟，
并且包含搜索、文件、代码多工具链路，
Step是比较值得放进候选列表的模型。
下一个用最便宜的Deepseek-v4-flash，
DeepSeek-V4-flash
DeepSeek生成的速度真的超快，
但速度一快，
那牺牲的必然就是一些精细设计了，
资料搜索、数据校验、细节修复方面，
没有 MiniMax 和 Step-3.7-flash 那么细。
Workbuddy里面消耗4积分左右。
换算一下差不多为0.2元。
我勒个豆，这样太便宜了吧，
还要啥自行车呢。。。
GLM5.2
GLM5.2在跑分上属于是开源第一了，
他们的 Coding Plan 太火了，根本抢不到，
我最后还是在咸鱼上找的黄牛。。。
做一个小网站也是非常稳定，直接看吧：
GLM5.2 的特点是Coding 牛逼，缺点是太贵。
本轮测试费用约为：74点积分左右。
换算一下，差不多在3.66元左右。
最后再测试一个国外的Gemini
Gemini3.5 flash
如果是做前端页面的话，Gemini 的审美还是可以的，
Gemini3.5 flash 最大的优势是页面观感舒适。
它生成的前端页面会更精致，布局更舒服，留白和层次感也更好。
不过 Gemini3.5 flash 也有明显问题，数据收集没有前面的模型多。
比如和阶跃Step对比，Step 收集的数据更全，分类覆盖更完整，工具调用也更积极。
本轮测试费用约为：9元左右，
洋人的模型真是贵。
最后来个省流版总结
这次测下来，
如果只看页面美观，Gemini3.5 flash 的确更强。
如果看工具调用和数据完整度，Step-3.7-flash 的表现更突出。
如果看成本和稳定性，MiniMax-M3 是一个很稳的选择。
DeepSeek-V4-flash 主打便宜。
GLM5.2 则比较均衡，适合做综合型任务。
晓风乾丨 大四 Base北京 AI产品在职
想缩小科技带来的信息差 分享很酷的AI玩法。
希望得到您的点赞转发爱心三连支持，
如果有更多想法或者问题欢迎交流~
