P.S. 挖到宝藏AI教程！全程通俗易懂，风趣幽默，零基础轻松入门， 传送门https://blog.csdn.net/qq_34419312

1 我本来真不想测这模型

1.1 老印象害死人

说出来你们可能不信，Qwen 3.8 Max发布那天，我扫了一眼消息就划走了。

没兴趣，真的。我对Qwen编程能力的刻板印象，少说也存了大半年。就像老家亲戚总觉得你在大城市吃不饱饭——印象焊死了，更新不了。每次有人提Qwen写代码，我心里都默默飘过一句：就这？

久到我都忘了，这印象到底是哪次测出来的。

1.2 免费羊毛不薅白不薅

本来这事就翻篇了，直到我刷到Qoder一周年送免费调用。

800次，还不算登录送的300次，新用户加起来1100次。哦？免费的？那没事了。

程序员的原则是什么？收费的我挑三拣四，免费的我来者不拒。反正不要钱，跑一遍试试也不吃亏。

2 先说清楚，这次怎么比的

2.1 三个前提，免得抬杠

为了公平，我也懒得搞新花样，直接把上次测Kimi K3的三个场景原封不动搬过来。一样的考卷，谁行谁不行，跑一遍就知道。

先说好三个前提，免得后面有人杠我不公平。

第一，这次我把需求一次性说全了，不像上次测K3是挤牙膏似的一轮轮加。相当于Qwen拿到的是完整题干，这点它占了便宜，后面说打平的时候，你们自己心里打个折。

第二，这不是裸模型跑分，是模型加自家IDE的工作流对比。Qwen配Qoder，Kimi配Kimi Code，都是全家桶上阵。说实话现在裸模型分数参考价值越来越小，上班干活谁裸用模型啊？

第三，这次没拿真实老项目测。800次调用刚好用完，手头也没合适的私活要干。真实遗留系统能不能打，这篇说不全。

2.2 三个测试场景

就三个场景，都是实打实能跑的项目，不是嘴炮题。

一个对标剪映的纯前端视频工作台，一个带完整后台的实时选座票务系统，还有一个仿Drive Mad的物理驾驶小游戏。

全程开YOLO模式，我不插手装依赖、改代码、调环境，它自己折腾。交付之后我亲手测所有功能。

3 三个场景跑下来，水平到底咋样

3.1 视频工作台：功能打平，细节超了

第一个场景，视频工作台。素材库、多轨时间轴、片段预览、撤销重做、本地持久化，该有的功能全列清楚了。

跑下来结论：功能层面和K3版打平，该有的一个不少。

但有两点超出预期。

一是界面没那么浓的AI味。深色编辑器配色，信息层级清楚，不像有些AI生成的界面，花里胡哨全是特效，干活的时候晃眼睛。

二是多了不少实用小功能：轨道锁定静音、片段边缘精细修剪、方向键逐帧定位，还有窄屏只读审片模式。都是实际剪辑能用得上的东西，不是花架子。

当然也有别扭的设计。调片段速度的时候，它是片段长度不变，从源素材里夹内容。不像K3是速度变了片段长度跟着变。第一次用得反应两秒，属于设计思路差异，不算bug。

工程质量更没的说，28个单元测试全过，TypeScript类型检查零报错。就这一点，已经比很多刚入职的实习生交的活强了。

3.2 票务系统：真后端，不是玩具Demo

第二个场景是最重的：实时选座票务系统。消费者端选座购票，运营后台管场馆演出，中间锁座、支付、出票、退款、候补、核销一整套状态流转。

我本来以为会给整个前端Demo糊弄事，结果人家直接上了真后端。

PostgreSQL存业务数据，Redis传实时事件，座位状态用SSE推到前端，外加Worker处理锁座过期和候补派位，Docker Compose一键就能拉起来。

我测了支付、退款，刷新页面、换全新浏览器重登，数据全对得上，没出幺蛾子。

细节上甚至比K3版还讲究。锁座是原子操作，一个座不可售整批都失败，不会出现半卖半不卖的尴尬；支付接口带幂等键，手抖点两下也不会生成两笔订单；重复核销直接返回409；候补还有24小时防饿死机制，普通用户等满一天自动升级优先级，不会一直被会员插队。

后台九个模块我全点了一遍，建场馆、上演出、开会员、核销门票，订单、候补、审计日志的数据全能对上，整个过程浏览器控制台零报错。

说真的，这东西套个皮，小商家直接就能用。

3.3 驾驶小游戏：手感赢了，颜值输了

第三个场景，仿Drive Mad的物理驾驶小游戏。只用前进后退控制车辆越障，五个主题关卡，一批即死机制。

上次K3的短板我记得很清楚：关卡长得都差不多，难度偏低，我甚至怀疑它到底用没用正经物理引擎。

这次Qwen直接把短板补上了。

明确用了planck.js，正经Box2D系的物理引擎，不是摆样子。悬挂弹簧、碰撞冲量判定、低重力和冰面摩擦，每关参数都是调过的。

五个关卡主题和上次一样，但机制密度高多了。工地关要推箱子垫路，冰原关有相位旋转杆卡时机，火山关是落石区加连续断桥，步步是坑。

即死机制我挨个试了：托底、被旋转杆扫中、被落石砸中、掉出边界、碰到熔岩，全真实触发，没一个掺水的。难度也真上去了，冰原和火山那两关，我自己玩死了好几次。

它还带了23个测试，全过，甚至包括五个关卡的无头仿真通关脚本，模拟输入自动跑完全程。

当然K3也不是全输。K3版画面色彩更花哨，结算界面也更俏皮。Qwen版走的是朴素实用风，赢在手感和玩法，输在卖相。

4 最让我意外的一点，跑分表里根本看不到

三个场景跑下来，我发现它耗时都比K3长一点。一开始我以为是模型推理慢，翻了下过程记录，根本不是。

它慢，是因为它写完代码，会自己开浏览器做验收。而且验得特别较真，比我司不少测试岗都细。

做视频工作台的时候，它发现后台标签页里预览会因为浏览器rAF节流卡住，自己把播放循环改成了rAF加setInterval双驱动；发现Delete键删片段没生效，自己模拟键盘事件排查出了问题。

做票务系统的时候，它先检查环境，发现Docker没启动自己给拉起来，跑完25个测试，还自己进浏览器把完整支付核销流程走了一遍。

换句话说，它多花的时间，全用在自己给自己质检上了。

就这点，跑分表上你半毛钱都看不到。但恰恰是这点，才是程序员最关心的：它交出来的东西，到底是能跑的Demo，还是能交付的成品？

三个项目全自带测试、控制台零报错、幂等和审计这些细节都想到了。能做到这一步，已经不只是会写代码了，它知道正经交付物长什么样。

5 最后说句实在话

跑完这三个场景，我之前对Qwen的偏见，基本碎干净了。

功能上和K3打平，工程严谨度甚至还略胜一筹。

当然折扣还是要打：它拿到的需求更完整，占了便宜；也没经过真实老项目的毒打，复杂遗留系统表现怎么样，还不好说。

但就算扣完这些分，结论也很明确：人家早就不是当年那个编程不行的Qwen了。

今年这种打脸我已经经历三次了，GLM 5.2一次，K3一次，这次是Qwen。

一次是巧合，三次就是趋势。国产大模型这波，是真的追上来了。

最近也刷到不少相反的说法，有人说这是PPT模型，有人就留一句“拉胯”。我也不知道他们到底测没测，反正我这三个场景跑下来，体验是真还行。

最后给你们个最实在的建议：别信跑分，别全信我这篇，也别信网上没头没尾的一句评价。

现在Qoder新用户能领一千多次免费调用，你自己下个软件，拿你手头真实的需求跑一遍。你自己的活能不能干，你自己最有发言权。

P.S. 挖到宝藏AI教程！全程通俗易懂，风趣幽默，零基础轻松入门，传送门https://blog.csdn.net/qq_34419312