北京
出品 | 网易智能·态度实测
作者 | 小扣
编辑 | 王凤枝
马斯克的Roadster在一段视频里喷气腾空，在卡车头顶横滚一圈后稳稳落地。
这段名场面成了网易科技《态度评测》小编手里现成的第一道考题：让AI写个能上手玩的3D前端网页，自己踩下油门，控制跑车在空中翻过去。
出这道题，是为了摸底国内三款主流Flash模型的真实水平，看看DeepSeek V4.1 Flash、MiniMax M3.1 Flash和GLM 5.3 Flash到底哪家更强。测试时三家都用Claude Code（下称CC）写代码，推理统一开到Max；DeepSeek另外用原生Harness再跑一份，看看同一个模型换套工作环境，交出来的答卷有什么差别。
这道3D前端飞车题之外，我们又挑了两个方向：用代码给虚构产品生成一条发布短片，横版做完再改成竖版；再写一个能点车刹车的交互前端网页，直观演示前面明明没撞车，后面怎么就堵上了。
四组拿到的业务提示词和素材一致。作品交上来，我们挨个上手试玩、看成片、查代码，记下了2026年10月22日至23日的这轮实测。耗时和Token账单收在文末，不排总名次；原始指令与完整记录见文末索引。
一、3D网页复刻飞车：自动演示都能过，手动开起来露了怯
我们把特斯拉在网上发布的原片关键帧和动作拆解一并交给模型，夜色场地、低矮的银色跑车和白色牵引车都有明确参照。
要求摘要：用Three.js制作可交互3D网页，复刻喷气起跳、飞越牵引车、绕纵轴横滚一整圈并四轮着地驶离。提供自动演示与手动操作，撞车、没翻足或倒置落地不能判赢。镜头稳定跟随，支持重开和手机触屏。
先点“播放复刻演示”看效果。四份演示都顺利跑通了全套动作：跑车加速冲向障碍、腾空横滚一圈，最后稳稳落到对面驶离。不过放在一起对比，各家的镜头调度和画面细节差别很明显。
图：左上GLM，右上MiniMax，左下DeepSeek CC，右下DeepSeek Harness。各取连续自动演示片段，按起跳阶段对齐，原速播放
MiniMax在跑车翻滚时切到侧面，落地又转回车后，喷出的白色气雾比较明显，一套动作连贯顺畅。DeepSeek两版的跑车、牵引车和路边停着的车一眼就能分清，尤其Harness版的低矮车身、红尾灯配着夜色，更合我们胃口。
有些细节和原片没对上。GLM把障碍做得更像长厢货车，喷气像车尾亮起两道光束；MiniMax的尾灯分成了两截，没做出贯穿式的效果；DeepSeek CC版的卡车还带着点积木感，空中翻滚和下落也有些分段。
看完自动演示，我们切到“亲自操作”模式，用同样的条件挨个实测：除了正常开过去，还会故意不按横滚键平飞落地、或者让车四轮朝天倒扣着落地，看系统会不会误判通关。
后三份在这两项违规测试里都正常判了负；正常操作时，MiniMax第一把就过，DeepSeek CC版试到第三把通关，Harness版也能顺利开过去。唯独GLM出了岔子：跑车平着落到对面，右上角的角度读数还停在0°，屏幕上却跳出提示：“完成一整圈横滚”。
图：GLM版独立复验，正常起跳、未做横滚，右上角读数为0°，页面仍报成功
多开几把，镜头和仪表还露出些问题。Harness版的车下落时一度飞出画面，过会儿才找回来；GLM切到侧视角，车还没落地就出了画面，用默认视角往下落又会被路边灯杆挡一下。MiniMax的侧视角到结尾拉得太远，重开后明明脚没沾油门，车速表自己会在1到2公里/小时之间来回跳。
要是挑一版接着改，我会选DeepSeek Harness：它的车身比例和夜景氛围最好，不过下落时镜头偶尔跟丢，还得调稳视角。MiniMax动作连贯、手动容易通关，不过尾灯细节不对，重开后车速表还会轻微跳动；DeepSeek CC版能正确判定这两项违规操作，但卡车建模偏粗糙、空中动作不够顺滑；GLM的画面底子还在，但必须先把“不翻滚也算赢”的判定漏洞修好，再调整侧视角和灯杆遮挡的问题。
二、用代码生成短片：横版动画都能跑通，改排竖屏拉开了差距
我们也想看看这几款国产模型用代码做视频的效果。第二题我们虚构了一款叫“下班键”的文件助手，给AI同一份Logo、12个文件名和产品资料，先让它们用代码生成一条20秒的横版短片，做完再要求改成手机竖版。
要求摘要：制作20秒、1280×720、30fps的无声短片，展示文件堆积、归入三类、输入“找到上周的发布会预算”、找到“发布会预算_v3.xlsx”，最后出现产品名与“少翻文件，早点下班”。只用代码和共同素材制作，实际导出MP4。
四条横版成片都走完了规定流程，画面编排各有侧重。GLM走清爽路线，用的是浅色卡片配分类托盘；MiniMax把文件掉落、归档、财务区放大和抽出预算表串在了一起，动作排得最密；DeepSeek CC版接近常见的软件界面演示，Harness版则用暖白结果卡接上了紫色片尾。
视频：四份实际导出的横版MP4，从头同步、原速播放。左上GLM，右上MiniMax，左下DeepSeek CC，右下Harness
横版看完，我们在原对话里挨个发去同一条改稿需求：产品改名叫“下班键·团队协作版”，画幅改成720×1280的竖屏，时长还是20秒。
先点开竖版看一圈。四家都重新排了画面，既没有简单裁掉横版两侧，也没把整张横版硬缩成小块塞进竖屏。原本横着一字排开的三个分类，到了竖屏都改成了上下叠放，变长的新名字也放进了片尾。验收竖版时，我们主要看三点：12个文件名排布合不合理、字号够不够大；转场动画会不会挡住文字；搜索结果和片尾口号停留的时间够不够读完。
视频：从左到右：GLM、MiniMax、DeepSeek CC、Harness，均为实际导出的竖版视频
MiniMax把每一类的四个文件挤在同一行，字号只有13像素，看着有些费眼；到了第16秒左右，转场动画又提前盖住了一部分文件名，留给人看字的时间不太够。
DeepSeek两版换了个排法，把三类文件分成上下三层，每层四个文件排成2×2的田字格，连带后面的预算卡和长名字都好认不少。不过字号还是偏小，CC版约13.8像素，Harness版约15像素，搜索那几秒画面中间还空了一大块。片尾口号的停留时长也差挺多：GLM只停了约1.15秒，一晃就过去了；DeepSeek CC版给足了约3秒，Harness版也有2.7秒。
这题要是挑一份接着改，我会选DeepSeek的两份竖版：文件排成了双行网格，重点信息清楚，片尾停留时间也够长；不足是字号还偏小、搜索阶段画面中间空了一大块，接下来还要把字放大、空白收紧。MiniMax动画衔接很顺，但四个文件挤成一排字太小，转场还会提前挡住字；GLM画面清爽，只是片尾口号闪得太快，还没看清就结束了。
三、做个前端仿真页讲“幽灵堵车”：画面能互动，底层数据还得算得准
第三题，我们想做个能亲手试一试的科普网页，解释“幽灵堵车”。路上明明没撞车，在一定车流密度和跟车条件下，前车轻轻点一脚刹车，后面的车可能一辆接一辆跟着减速，形成像波浪一样往车流后方传导的慢行区域。MIT交通研究页面介绍过这个现象，我们把核实过的简短事实卡递给模型，让它们挑个合适的简化跟车模型，配好中文说明，做成一个点小车就能看连锁反应的互动页。
要求摘要：制作环形车流网页，点击任意一辆车使它短暂刹车，车辆按当前间距、速度等状态连续更新，颜色表示速度。低、中、高密度只改变车数，刹车扰动和其他跟车参数保持相同。支持暂停、重置、手机操作，交30秒真实操作录像，并注明“简化模型，非真实路况预测”。
四份交上来的网页里，环形车道、按车速变色、密度切换和暂停重置按钮都配齐了，界面排布各有路数：GLM在圆环底下多画了一张时空图，减速区域什么时候冒出来、往哪头延伸，一眼就能找到；DeepSeek Harness把浅色说明栏和深色车道分得清清楚楚，CC版则做成了深色仪表盘。
先看模型自己录的30秒实机演示，瞧瞧点下刹车后，后头的车是怎么跟着慢下来的。四段录像的操作和道路参数各不相同，并排放在一起主要看呈现方式。
视频：左上GLM、右上MiniMax、左下DeepSeek CC、右下Harness。视频原速播放，网页内的仿真倍率分别为4倍、2倍、1倍、1倍
看完模型交来的录像，我们又自己打开网页，换不同车辆和时间点去点刹车，同时对照代码看它底下怎么算。试下来，四家都不是播固定动画，确实在按前后车距和车速实时计算。GLM和DeepSeek两版还跑出了密度反差：车少时，一脚刹车激起的小水花很快就平息了；车一多，后车接力减速，慢行区域肉眼可见地往后方蔓延。
再看MiniMax，界面上的数据给得最全，平均车速、最低车速、速度曲线，连“拥堵波速度”都标出来了。可等我们切到高密度点下刹车，连测两组，13辆车最后几乎都停在了路上。此时平均车速已经显示为0，右上角的面板却还挂着“向上游 −7.3 m/s”。
图：MiniMax独立复验：高密度13辆车，平均速度显示0公里/小时，右上角仍保留“向上游 −7.3 m/s”
翻看代码才找到原因：它记录各车首次减速到阈值以下的时刻，根据车距和时间差汇总出一个带负号的估值。有新样本时会重算，没有新样本时就保留原值。结果整圈车都已接近停住，屏幕上还一直留着早先算出来的旧读数。
另外三份在显示和文字说明上也有小毛病。GLM的小车和字都偏小，DeepSeek CC版有些说明文字只有8到10像素；Harness标的“上游延伸”，算的其实是相对被点车辆的偏移距离，不能直接当成拥堵往后传的速度。切到390像素宽的手机屏上，四份网页的按钮都能点，但说明文字常落到首屏底下，得往下滑才能看完。
这题如果要选一份继续打磨，我会把GLM和DeepSeek Harness结合起来：GLM多了一张时空图，能直观看到减速区往后传的过程，就是车和字太小；Harness把浅色说明区和深色车道分得很清楚，但指标名称容易让人误会。MiniMax虽然面板数据列得最全、车少时也能正常恢复车流，但在两组高密度测试里整圈车都几乎停住，还挂着旧的波速读数，得先修好底层算法才能拿来做科普。
四、耗时与账单：DeepSeek更完整，GLM更省钱
最后把时间、Token和真金白银放在一起算笔总账。我们按11月5日各家国内官网的API牌价，把本轮记录的输入、输出和缓存读取Token全部折算成人民币；其中GLM和MiniMax采用官网统一价，DeepSeek先按波谷价计算：
单价单位：元/百万Token
统计耗时时，已经扣掉了有记录的我方点审批、本地资源中断和媒体排队时间，人工录屏验收也不算在内，保留生成、工具调用、自检和常规网络等待的用时。把三道题记录在案的用量加总，账单如下：
需要留意的是，DeepSeek在北京时间工作日9:00至12:00、14:00至18:00（法定节假日除外）按波峰价计费，三项单价都会翻倍。如果赶在白天波峰时段跑完这三题，CC版和Harness版的费用小计会分别涨到约8.41元和10.72元。
把缓存读取算进来后，第三题还冒出了一个有意思的倒挂：GLM生成的输出Token明明最少，折算下来却花了约1.76元，反而比DeepSeek CC版的1.22元还贵。原因就在缓存单价上，DeepSeek波谷期的缓存读取只要0.02元/百万Token，多轮修改、反复读取长上下文时，这笔省下来的钱相当可观。
综合三道题的成品质量，这轮我更推荐DeepSeek。它做出来的飞车造型和夜景、还有短片的竖屏重排都更拿得出手，堵车页的核心交互与跟车逻辑也经住了复验。如果单看画面质感，我最喜欢Harness版；但把效果和调用成本搁在一块儿权衡，DeepSeek CC版是我这轮的性价比首选。三题跑下来约4.20元，只比GLM贵了1块多钱，我更愿意为飞车判定和竖屏可读性上的这些差别付这点差价。
如果预算卡得紧，而且自己懂点代码能动手修漏洞，GLM会是更省钱的备选。三题加起来只要约2.86元，第二题交卷最快，堵车页画出的时空图也很实用；只是飞车的通关判定漏洞，以及偏小的车身和字号，还得自己接手打磨。
至于MiniMax，它在动画衔接和动作节奏上有自己的长处，但这轮算下来总费用比DeepSeek CC版还高，堵车题又留下了车多全停和波速不刷新的毛病，眼下我暂时不会优先选它。
