摘要

厌倦了华而不实的AI界面？本文实测GLM-4.5等六大模型，聚焦一键生成真正可用的应用。发现GLM-4.5以初级应用架构师思维，实现功能闭环，成为最务实的AI工程师。

思路大纲

方向：拒绝 UI 花架子！GLM-4.5 vs Gemini vs Kimi，AI 一键生成“真·可用”的应用，谁在裸泳？

⚠️ 重点要求：这个模型实力基本是初级应用架构师，AI 成为了自己的工程师 这个点可以多强调、带一下心智。就打这个定位：初级应用架构师。

想法：现在很多大模型都关注前端网站的美化，因为这是最直观能让人看到的。但其实真正重要的是应用能跑起来，也就是藏在前端背后的后端功能得能实现。而这是我认为 z.ai 这次大模型更新的重点：

例如做一个谷歌搜索网站，以往做的测试都只是个样子，但 z.ai 出来的效果很惊人：是真的能搜索的。

目录：

1. 开头

• 引子： 简述智谱清言 GLM-4.5 的发布，提及其专为智能体（Agentic）应用打造的定位。

• 点明主线： 抛出核心观点——当前大模型评测普遍侧重 UI 美观度，却忽略了应用能否“跑起来”的本质。一个能实现真实功能的应用，远比一个静态网页更能体现 AI 的智能。

1. 切入到前面说的，真正可用的网站，如谷歌搜索网站，为什么？对应背后的特性是什么？

反面案例（花架子）： 以往模型生成的“谷歌搜索”，只是一个带输入框和按钮的 HTML 静态页面，点击后毫无反应。

正面案例（真·可用）： GLM-4.5 生成的“谷歌搜索”，是一个自包含的 HTML 文件，它内嵌的 JavaScript 代码能做到：

• 监听按钮点击事件。

• 获取输入框中的搜索词。

• 动态构建一个真实的谷歌搜索 URL (https://www.google.com/search?q=…)。

• 操作浏览器跳转到该 URL，完成真实搜索。

技术揭秘： 点明这背后体现的 AI 核心能力——前端实现后端逻辑。这标志着 AI 从“代码片段生成器”进化为“初级应用架构师”，它理解了用户意图，并主动寻找并整合外部服务（如一个 URL、一个公开 API）来完成任务闭环。这正是 GLM-4.5 宣称的 Agentic 能力的具体体现。

1. 横向测评：真正落地有用的应用

评测方法论：

• 统一 Prompt： 对所有模型使用完全相同的指令。

• 评判标准：

✅ 一键成功率： 生成的代码不经修改，能否直接在浏览器中运行并实现核心功能？

✅ 功能完整度（0-5 分）： 是否实现了 Prompt 中的所有要求？

✅ 技术合理性： 是否正确调用了 API、使用了合适的 JS 库或实现了正确的逻辑？

测评案例：数据可视化仪表盘 bi \ 微信聊天对话截图生成

1. 总结判断 glm4.5 的位置处在哪里

结果汇总： 使用能力雷达图，从“功能实现”、“代码质量”、“UI 美学”、“交互设计”四个维度，直观展示 GLM-4.5、Gemini、Kimi 等大模型的综合表现。

回答核心问题： 在“一键生成可用应用”这个战场上，GLM-4.5 是否如其宣称的那样，展现了 SOTA 级别的 Agentic 能力？它相比 Gemini 和 Kimi 的优势和劣势分别在哪里？

给出定性结论： 将 GLM-4.5 定位为“最务实的 AI 应用工程师”或“开源模型中的‘实干家’”。它可能在 UI 的美化上不是最强的，但在确保“这东西能用”的核心问题上，表现出了惊人的可靠性。

正文

又又又有新的大模型发布了，实话说，饼干哥哥有点审美疲劳了。

之前测完 Kimi K2，对国产大模型信心倍增；结果前两天就被号称开源第一的 Qwen3 给坑了。

这不，昨天智谱清言带来了它的 GLM-4.5，宣传综合平均分，取得了全球模型第三、国产模型第一，开源模型第一。

😅 真的要这样玩吗

其实，看参数一向不是饼干哥哥的风格，我从来都是看「落地」不看数据的， dddd：多少大模型网上没输过，现实没赢过。。所以实力如何，就来实例测测。

顺便把另外 5 个热门大模型拉来一起看看各自的能力边界到哪里了：Claude Sonnet 4、DeepSeek R1、Kimi K2、ChatGPT o3、Gemini 2.5pro、GLM-4.5

但在开始之前，不知道大家有没发现一个问题，很多大模型发布后，各种评测文章放的都是华丽的 UI 界面，因为这是最能迷惑小白的。试问谁的生产力是靠产品外表？更不用说真正在在业务中落地产生价值了。

所以我今天的测试就要按我真正「用得上」的方式来。

从“谷歌的样子”到“真的能搜索”

什么叫「用得上」？最好的例子就是做一个“谷歌搜索网站”。

• 花架子： 过去，你让一个大模型做这个，它会给你一个完美的 HTML 静态页面——有 Logo、有输入框、有按钮。但当你点击按钮，一切毫无反应。它只是一个“长得像谷歌”的图片。

• 真·可用： 而现在，一个具备 Agentic 能力的模型生成的“谷歌搜索”，是一个自包含的 HTML 文件。

Z.ai 版本“谷歌搜索”体验地址：https://n0x9f6733jm1-deploy.space.z.ai
消息地址： https://chat.z.ai/s/2bd291ba-fe6a-4026-a8f4-1efa498267b2

它内嵌的 JavaScript 代码，展现了一种全新的能力——它像一个真正的工程师一样思考：

1. 理解意图： 用户想要“搜索”。

2. 规划路径： “搜索”需要获取输入框内容，并访问搜索 URL。
   – 执行构建： 它编写 JS 代码，监听按钮点击，获取搜索词，然后动态构建一个真实的搜索 URL

3. 完成闭环： 最后，操作浏览器跳转到这个 URL，完成一次真实的搜索。

还有更离谱的，在 Z.ai 页面上就把前后端给包圆了：

做一个共享功德箱，点击+1点功德 ，保存到数据库，再写一个管理员页面的功能， 可以手动编辑修改这个总功德数

Z.ai 版本“共享功德箱”对话：https://chat.z.ai/s/1914383a-52ac-48b7-9e92-fa105be60f3e

前端页面：https://j0ua06ybtfj1-deploy.space.z.ai/

后端管理页面：https://j0ua06ybtfj1-deploy.space.z.ai/admin

这“前端实现后端逻辑”的魔力，这标志着 AI 正从一个被动的“代码片段生成器”，进化为一名**“初级应用架构师”** 。

它不再需要你手把手地教，而是能主动理解你的目标，并自主寻找、整合外部服务（一个 URL、一个 API、一个 JS 库）来完成任务。

这，正是 Agentic 能力的精髓。

横向测评：真正落地有用的应用

接下来，正式开始测试。

我设计了 2 个很严格的原则：

1. 「一句话提示词」，而不是传统大篇幅的结构化提示词

这是在测试大模型的意图理解和自主规划能力，迫使 AI 不能只依赖详细的指令按部就班，而是要像一个真正的「初级应用架构师」一样，去思考“用户到底想要什么”以及“如何分步实现它”。

1. 「只跑一次」

我知道这很苛刻，平时大家用 AI 都是先设计好一百多行的提示词，然后反复调试，最终出来满意的结果。但这个过程，似乎变成了，我们在为 AI 服务，而不是让 AI 为我们所用。

更不用说这么多小白，根本没办法去调试这么多轮，要是这样，「AI 普惠」始终只是个谎言。

所以，我才决定一次生成，成败立现。

数据分析仪表盘

饼干哥哥是 10 年数据分析师，所以就先从我老本行入手。这是一个典型的 BI 需求，很考验 AI 整合 API 与前端图表库的能力：

帮我做一个能看黄金最近30天价格走势的网页，要用折线图展示出来。

Claude 4

AI 老大哥先开始：

生成的效果稳得一批。

DeepSeek R1

国产之光 DeepSeek 也参战：

效果更加可以了：不仅界面美观，还附带了相关新闻推荐，产品思维更胜一筹。

Kimi K2

前段时间上线的模型，借助 Claude Code 算是重新回到一线的视野。在我之前的使用中，确实可以当做 Claude 的平替。

但在做这次测试的时候，很不幸，报错数据没跑出来。

ChatGPT o3

o3 实际上已经不算是一个常规模型了，这是一个 Agent，它背后可以调用多个工具来回复用户，日常用于规划很好用。

这次也拿来跑跑看：

可能是因为这个测试限制，o3 需要我自己去注册一个 api 来跑真实数据。确实很落地，但无奈这次无法看出来它的效果。

Gemini 2.5

谷歌的大模型是我最高频使用的没有之一，但说实话在代码方面还是略输 Claude 和 o3 的。

看看这次效果：

确实 100% 还原了我的需求，但也仅如此，没有像 Claude 那样额外给我一些指标卡片之类的惊喜。

GLM4.5

最后是这次要测的主角 GLM4.5

你还真别说，整体结构跟 Claude 差不多，配色和样式上要略胜一些，功能上也给的更多：能拆开 30 天、7 天、24 小时的走势。说实话，有点惊喜了。

真·一句话、一次生成：https://chat.z.ai/s/1019218d-ee69-4366-8c13-29ddc744a1d8

第一轮的结果：

**DeepSeek > GLM4.5 > Claude 4 > **Gemini 2.5 > ChatGPT o3、Kimi K2

实用工具：微信对话截图生成

需求升级，这是我教育赛道业务很高频用到的功能，也是小红书上爆款封面，我之前就在本地做过一个这样的工具，很多人找我要，其实现在，在网页端直接就生成：

生成一个微信聊天对话截图生成网站，用户可以自定义对话内容、设置头像，最后点击保存后生成 3：4 的微信截图，或者不限制比例展示完整对话的长截图。

这是一个需求复杂、考验 CSS 还原能力和 DOM 操作能力的“真工具”任务。

看看大家效果如何。

Claude4

老规矩，Claude 先来。

虽然丑了点，但确实能看出来是微信界面，导出 3:4 截图 功能可用，但导出 完整截图 出来的是局部图，有问题。

DeepSeek R1

在用户体验上要比 Claude 好不少，自动生成了一些示例，在下载图片功能上也是更接近一个「产品经理」的设计。

Kimi K2

Kimi 在网页版是咋了，并没有给我代码。。

ChatGPT o3

GPT 给的是真多，设置了很多参数供用户选择，在下载 3:4 截图上也是可以选择位置。

但，要命的是下载功能不可用。

Gemini 2.5

一顿操作猛如虎，结果给个报错。不多说了，遵循「一次运行」原则，淘汰。

GLM 4.5

最后是 GLM4.5，又给我整惊喜了。

虽然页面上没那么像微信对话框，但整体界面 UI 上要比 DeepSeek 质感要好一些。

更绝的是，预设了头像，这点用户体验很好。

图片可正常下载，功能可用。

真·一句话、一次生成： https://chat.z.ai/s/6f6757a3-5538-471f-89b7-d2a9e596594e

第二轮的结果：

GLM4.5 > DeepSeek > ChatGPT o3 > Claude 4 > Gemini 2.5、Kimi K2

总结

综合两轮硬核测试，尤其是从“应用能否跑起来”这个核心标准出发，各模型的定位已然清晰。

我们从“功能实现”、“代码质量”、“UI 美学”、“交互设计”四个维度绘制能力雷达图：

甚至连这图都是 GLM 生成的，其他大模型跑的拉跨

功能实现维度（顶部）：

GLM-4.5 表现最佳（5 分），在两轮测试中均展现了强大的功能实现能力
DeepSeek R1 次之（4.5 分），在第一轮测试中表现突出
Claude 4 和 ChatGPT o3 表现中等（3.5 分）
Gemini 2.5 和 Kimi K2 表现较弱（2.5 分和 1 分）
代码质量维度（右侧）：
GLM-4.5 和 Claude 4 结构清楚、工程能力强（4.3 分和 4.6 分）
DeepSeek R1 和 ChatGPT o3 表现中等（4.0 分和 3.5 分）
Gemini 2.5 表现较弱（2.5 分）
Kimi K2 表现最弱（1 分）

UI 美学维度（底部）：

DeepSeek R1 表现最佳（4.5 分），界面美观且附带额外功能
GLM-4.5 表现良好（4 分），配色和样式略胜一筹
ChatGPT o3 表现中等（3.5 分）
Claude 4 和 Gemini 2.5 表现一般（3 分）
Kimi K2 表现较弱（2 分）
交互设计维度（左侧）：
GLM-4.5 表现最佳（4.5 分），预设头像等用户体验优秀
DeepSeek R1 表现良好（4 分），自动生成示例
Claude 4 和 ChatGPT o3 表现中等（3 分）
Gemini 2.5 表现较弱（2 分）
Kimi K2 表现最弱（1 分）

其实还有个数据没体现，就是每次多个工具同时跑任务的时候，GLM4.5 是最快完成的。据官方数据，高速版本实测生成速度最高可至 100 tokens/秒，支持低延迟、高并发的实际部署需求

同时还有远低于主流模型定价：API 调用价格低至输入 0.8 元/百万 tokens，输出 2 元/百万 tokens。

这次测评，在“一键生成可用应用”这个战场上，GLM-4.5 展现了 SOTA 级别的 Agentic 能力。它不再是一个只会纸上谈兵的“助理”，而是一名**“初级应用架构师”** 。

它最突出的优势在于**“可靠性”和“工程思维”****。相比其他模型时而惊艳、时而掉链子的表现，GLM-4.5 总能给出一个虽然朴素但一定能用的解决方案。**它深刻理解“完成比完美更重要”的工程信条。

因此，我们可以给 GLM-4.5 一个清晰的定位：最务实的 AI 应用工程师，以及开源模型中的**“实干家”** 。

在 AI 的世界里，能炫技的“艺术家”很多，但能让你把项目跑起来的“工程师”却弥足珍贵。

而 GLM-4.5，正是后者。

最后，智谱还带来一个足以让 Claude 和 kimi 瞳孔地震的活动：在 Claude Code，“50 块就能包月爽用 GLM-4.5，调用量无上限”

名额有限，抓紧扫码抢一波。

---