代码生成

找到 7 篇关于此标签的文章

两年过去 AI 写代码还是这 4 个坑真正的瓶颈从来不在模型

掘金一篇 AI 编程常见问题梳理，把 4 类高频痛点摆到台面。清单不新，但指向很清楚：两年过去，写代码变快了，但判断「写得对不对」没有捷径。

一个开源企业级框架作者把 LLM 接入后台代码生成，把样板流程效率做到 10 倍 — 但他自己说，真正干活的是模板不是 AI。这个边界判断，对所有想用 AI 提效的业务团队都值得读。

一份 Reddit 用户的实测发现：同样 330 行代码，Qwen 切成 1609 个 token，Gemma 切成 4258 个。这个 2.6 倍的差距，可能就是两款开源模型表现风格迥异的隐藏原因。

近日一项复杂编程测试显示，小米 MiMo 2.5 Pro 耗费 6 倍算力仍未交付可用代码，而 DeepSeek 等模型高效完成。这表明大模型跑分已无法反映真实开发水平，企业选型应更关注实际交付率与成本。

一位开发者自建基准测试显示，Mistral 的 Devstral Small 2 在 8 项代码工程任务中得分超 80%，首次有本地模型跑赢多个闭源对手。开源代码模型的真实能力，可能被标准测试掩盖了。

GLM 5.1在代码竞技场排名中位列开源模型前三，据社区反馈甚至超越ChatGPT与Gemini，这迫使每一家依赖外包软件开发的中小企业重新估算IT预算。

Reddit 用户对本地与云端大模型进行 Python Turtle 绘图基准测试，发现 Gemma4 与 Gemini 在视觉风格上高度相似，本地量化模型表现强劲。