Claude Sonnet 4 vs Kimi K2 vs Gemini 2.5 Pro：哪款人工智能最终会发布生产代码？

由 Mux 主办的 DEV 全球展示挑战赛：展示你的项目！

太长不看

我使用相同的 Next.js 代码库测试了三个 AI 模型，以了解哪个模型能够以最少的后续工作交付可用于生产环境的代码。

Claude Sonnet 4：完成率最高，响应速度最快。他完全理解了复杂的需求，并在第一次尝试中就交付了完整的实现方案。每项任务 3.19 美元的额外费用，意味着调试时间显著减少。

Kimi K2：擅长发现其他模型遗漏的性能问题和代码质量问题。能够构建功能特性，但偶尔需要一些澄清提示才能完成全部工作。对于迭代开发而言，每个任务仅需 0.53 美元，性价比很高。

Gemini 2.5 Pro：响应速度最快（3-8 秒），错误修复可靠，但处理多部分功能请求时略显吃力。最适合针对性修复，而非全面实施。每次任务收费 1.65 美元。

🚀试试 AI Shell

您的智能编码助手，可无缝集成到您的工作流程中。

登录 Forge →

测试方法

单一代码库，相同任务，可衡量结果。我使用了一个真实的 Next.js 应用，并要求每个模型修复 bug 并实现一个与 Velt（一个实时协作 SDK）相关的功能。

• 技术栈：TypeScript、Next.js 15.2.2、React 19
• 代码库大小：5247 行，共 49 个文件
• 架构：包含服务器组件的 Next.js 应用目录
• 协作：Velt SDK 用于评论、在线状态和文档上下文

每个模型必须完成的任务

这是我用于测试的库存管理仪表盘。多个用户可以实时使用 Velt 进行评论或提出修改建议。

• 修复了某些筛选条件更改后导致数据过时的缓存问题。
• 移除列表视图中导致不必要的重新渲染的不必要状态。
• 修复重新加载时用户持久性问题，并确保恢复正确的身份。
• 实现组织切换器，并按组织 ID 限定 Velt 评论/用户的范围。
• 确保 Velt 文档上下文始终已设置，以便状态和评论功能能够跨路由正常工作。

提示和迭代

所有模型都使用相同的基本提示：

此库存管理应用使用 Velt 进行实时协作和评论。代码应始终使用 `useSetDocument` 设置文档上下文，以确保 Velt 的评论和在线状态等功能正常工作。此外，用户应关联到同一个组织 ID，以便进行正确的标签和访问控制。请检查提供的文件，修复与文档上下文缺失、组织 ID 使用不当相关的任何问题，并确保 Velt 协作功能按预期运行。

当模型未能完成部分任务时，我会使用后续提示，例如“请同时实现组织切换器”或“Velt 过滤功能仍需完成”。不同的模型需要的指导程度不同——Claude 通常一次就能完成所有操作，而 Gemini 和 Kimi 则需要更具体的指导。

结果一览

跑步中的GIF

1. Gemini 2.5 Pro

2. 克劳德·索内特 4

3. Kimi K2

速度和代币经济

对于包含 1500-2000 个上下文词的典型编码提示，观察到的总响应时间如下：

• Gemini 2.5 Pro：总耗时 3-8 秒，TTFT 低于 2 秒
• Kimi K2：总共11-20秒，开始快速直播
• 克劳德·索内特 4：总共 13-25 秒，输出前有明显的思考延迟

代币使用量和每项任务的成本（平均值）：

关于克劳德的数据：输入 79,665 + 输出 2850 = 总计 82,515。这与观察到的行为相符，即克劳德阅读大量信息，然后做出简洁的回应。

🚀试试 AI Shell

您的智能编码助手，可无缝集成到您的工作流程中。

登录 Forge →

总拥有成本：人工智能 + 开发人员时间

如果将开发人员后续工作的时间成本考虑在内，成本情况就会发生显著变化。假设初级前端开发人员的时薪为 35 美元：

后续工作包括审查未完成的工作、编写澄清说明、测试部分实现以及整合最终部分。考虑到完成任务所需的额外迭代周期，Gemini 的速度优势便不复存在了。

分析：Claude 的高级人工智能虽然成本较高，但所需开发者干预极少。Gemini 乍看之下价格最低，但考虑到时间成本，最终反而是最贵的选择。

每个模型的优缺点分别是什么？

• Gemini 2.5 Pro

  • 优势：反馈循环最快，修复了所有已报告的错误，差异清晰
  • 不足之处：直到再次提示才注意到组织切换功能，复杂的接线需要更多迭代。

• Kimi K2

  • 优点：擅长发现记忆化和重新渲染问题，良好的用户界面框架
  • 不足之处：在没有进一步推动的情况下，Velt 过滤和持久化功能未能得到充分实现。

• 克劳德十四行诗 4

  • 获胜条件：任务完成度最高、最终状态最干净、维护时间最短。
  • 不足之处：一个小小的用户界面行为问题需要快速跟进。

🚀试试 AI Shell

您的智能编码助手，可无缝集成到您的工作流程中。

登录 Forge →

局限性和注意事项

• 一套代码库，一位作者。不同的项目对模型的要求可能不同。
• 只要编译结果干净利落，并且通过了代码检查，我就不会因为代码风格偏好而惩罚模型。
• 定价和代币结算方式可能因提供商而异；数字反映的是我本次运行期间的日志。
• 我测量的是总响应时间，而不是每秒令牌数，因为对于编码来说，完整的答案比流速度更重要。

🚀试试 AI Shell

您的智能编码助手，可无缝集成到您的工作流程中。

登录 Forge →

最终判决

总体拥有成本分析揭示了真正的赢家。虽然 Claude Sonnet 4 的 AI 成本最高，但它所需的开发时间最短，即可达到生产就绪代码。综合考虑所有因素，Kimi K2 才是性价比最高的选择。

对于注重成本的开发人员来说：Kimi K2 以每项任务 5.20 美元的价格提供了最佳的性价比。虽然它需要后续提示，但即使算上您花费的时间，总成本仍然是最低的。此外，它还能发现其他型号无法检测到的性能问题。

对于生产截止日期临近的情况：Claude Sonnet 4 能够一次性交付最完整的实现，总成本仅为 7.86 美元。如果您需要代码能够立即运行且调试工作量极少，那么这笔额外的费用绝对物有所值。

对于快速实验：Gemini 2.5 Pro 的响应速度最快，但后续的额外开销使其总成本高达 10.40 美元，价格不菲。它最适合速度比完整性更重要的简单修复。

关键在于：仅仅关注人工智能的成本是具有误导性的。如果将时间成本考虑在内，其价值主张就会完全改变。“最便宜”的人工智能方案，在考虑到完成未完成部署所需的工作量后，往往会变成最昂贵的方案。