我针对同一Three.js任务测试了10种模型/工具组合

# 机库模拟测试 / 模型测试 来源：https://alvins82.github.io/hangar-harness-model-tests/ 我一直在使用不同的模型和工具链组合测试一个简单的提示词，以找出哪个组合能产生最佳结果。我在`/goal`模式下进行此测试。 **提示词：**构建一个单页Three.js科幻机库，包含悬停无人机、动态警示灯、发光跑道条纹以及微妙的体积雾效平面。需包含无人机阵型切换和电影级摄像机路径。输出一个包含内联JavaScript的独立HTML文件。 | 模型 | 工具链 | 生成时间 | 首字节时间 | 输入Token数 | 输出Token数 | 推理Token数 | 总Token数 | 有效率 | 错误数 | 无人机阵型 | 电影级摄像机 | |------|--------|----------|------------|-------------|-------------|-------------|-----------|--------|--------|------------|--------------| | GLM 5.3 Flash Max | CodexOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-codex-glm53flash-max/sci-fi-hangar.html)) | 9分0.232秒 | 9.344秒 | 457,685 | 17,458 | 7,694 | 475,143 | 85.26% | 141 | 阻塞 | 无 | | Luna 5.6 Max | CodexOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-codex-luna56-max/codex-luna-max.html)) | 9分13.098秒 | 6.199秒 | 1,146,755 | 25,512 | 6,879 | 1,172,267 | 92.76% | 322 | 是 | 是 | | SOL 5.6 Max | CodexOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-codex-sol56-max/codex-sol-max.html)) | 10分48.765秒 | 8.460秒 | 1,069,163 | 28,278 | 7,515 | 1,097,441 | 94.60% | 215 | 否 | 否 | | Astra 6.0 Max | CodexOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-codex-astra60-max/hangar-codex-astra60-max.html)) | 37分29.705秒 | 3.589秒 | 1,292,366 | 43,129 | 15,271 | 1,335,495 | 94.93% | 205 | 是 | 否 | | GLM 5.3 Flash Max | OMPOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-omp-glm53-flash/omp-glm57-flash-max.html)) | 30分14.979秒 | 6.596秒 | 1,678,509 | 63,405 | — | 1,741,914 | 78.54% | 570 | 是 | 是 | | Qwen 3.8 27B x-high | OMPOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-omp-qwen3827b-xhigh/sci-fi-hangar.html)) | 41分25.836秒 | 15.275秒 | 3,407,451 | 71,935 | 49,131 | 3,479,386 | 86.92% | 890 | 是 | 是 | | GLM 5.3 Flash Max | OpenCodeOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-opencode-glm5.7flash/opencode-glm57-flash-max.html)) | 20分28.948秒 | 6.284秒 | 4,305,447 | 50,468 | 33,414 | 4,355,915 | 96.89% | 670 | 是 | 是 | | Qwen 3.8 27B x-high | OpenCodeOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-opencode-qwen3827b-xhigh/opencode-qwen38-27b-xhigh.html)) | 8分48.470秒 | 10.182秒 | 665,490 | 41,817 | 28,788 | 707,307 | 95.64% | 130 | 是 | 是 | | Qwen 3.8 27B x-high | DSH / PTCOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-dsh-ptc-qwen3827b-xhigh/hangar20.html)) | 24分32.929秒 | 7.724秒 | 1,012,499 | 89,894 | — | 1,102,393 | 91.69% | 235 | 是 | 是 | | Qwen 3.8 27B x-high | DSHOpen ([链接](https://alvins82.github.io/hangar-harness-model-tests/hangar-dsh-qwen3827b-xhigh/deepseekharness-qwen3827b-xhigh.html)) | 18分15.239秒 | 6.755秒 | 2,654,457 | 78,232 | — | 2,732,689 | 95.48% | 422 | 否 | 否 | 所有GLM运行均标记为`GLM 5.3 Flash Max`；输入Token数包含缓存输入。输出Token数为生成总量，包含推理部分；当工具链单独报告推理量时，推理列显示该子集。DSH适配器不单独报告推理Token数。DSH运行时长为两个回合的活跃时间总和，不包括回合间的暂停时间。工具错误记录为失败的工具事件。破折号表示数据不可用或未报告。