国内大模型日常使用对比：编程、多模态与长文本实测

最近国内大模型更新了一轮，Kimi 2.6、GLM 5.1、Qwen 3.6、DeepSeek V4，还有字节的豆包，各家都在喊自己最强。

我不想看跑分，不想看排行榜，我就想搞清楚一件事，日常用起来，到底谁好使。

这段时间我实际跑了一遍，用的场景也很简单，小程序开发排错、法律文书撰写、合同审查，就是普通打工人每天干的事。下面是我自己的判断，不一定对，但全是真刀真枪的体感。

先说一个让我最意外的发现。

选大模型，第一个判断标准不是谁更聪明，而是它能不能直接看图。

这听起来像是个小功能，但实际用起来差别巨大。写代码排错的时候，最自然的动作是什么？截图，丢给 AI，让它看看哪里出了问题。你不会去复制报错日志、整理格式、一段一段贴过去，那太反人类了。

Kimi 2.6 原生支持图片理解，截图丢过去秒解析，OCR 加视觉推理一条龙。GLM 5.1 不支持图片输入，所有报错必须手动复制文字，整理格式，操作繁琐到你想骂人。

有人说，专业程序员都是复制文本排错的，比发图更精准。这话没错，但大部分人就是不愿意那么干。包括专业程序员。截图一键上传和复制粘贴格式化文本，效率体感完全不在一个维度。

国内目前支持图片理解的主力模型有三个，Kimi 2.6、Qwen 3.6 Max、GLM-5V。但三个的视觉能力差距很大。Kimi 的代码截图识别最准，长截图、密集报错、中英文混合基本零失误。Qwen 3.6 够用但偶尔漏行。GLM-5V 代码截图识别最差，经常漏行、符号识别错误，反而拖后腿。

所以你看，Cursor 选了 Kimi 做底层模型，不是随便选的。程序员最高频的排错方式就是截图，Kimi 在这件事上就是最合适的。

多模态不是锦上添花，是日常使用体验的分水岭。

再说编程能力。

日常小程序开发、云函数、前端代码，Kimi 2.6 和 GLM 5.1 之间我几乎感觉不到差距。语法精准、逻辑清晰、调试能力都够用。

但 GLM 有一个场景确实更强，纯文本的深度逻辑推理。

我之前有个法律纠纷，写应诉文书、答辩状、证据梳理，全程用 GLM 5.1 和 Claude Sonnet 4.6 互相 PK。我发现它们两个已经非常接近了，各有所长。Claude 更擅长抠原文细节、引用案卷原文，GLM 更擅长重构论证逻辑、设计攻防话术、优化文书结构。

说实话这个结果让我挺意外的。GLM 在纯文本法律对抗场景，已经摸到了国际一线的门槛。

而 Kimi 在这个场景上反而弱一些。它更擅长「看材料、读合同、理解案情」，做深度法律攻防推演不如 GLM。

所以如果只看代码能力，两者日常差距不大。但往深了走，GLM 的逻辑推理上限更高，Kimi 的多模态体验更顺手。各有各的活法。

再聊一个很有意思的事。

Kimi 的官网客户端支持百万级上下文，上传整份合同、整本代码工程，直接喂进去完整解析，体验无敌。但如果你用 Kimi 的 API，不管是官方的还是第三方云平台的，上限全部锁定在 200K tokens。

200K 和百万级，差了五倍。长合同会被截断，条款会丢失，法律场景绝对不能用。

为什么？因为百万级长上下文是 Kimi 最核心的产品壁垒，它要把这个能力留给自己 C 端的用户，不通过 API 放出去给竞品。算力成本也是一个原因，百万上下文推理成本极高，开放 API 会被大量滥用。

DeepSeek 的策略完全相反。V4 的 API 默认全档位开放，128K、256K、512K、1M 随你选。微信云开发、阿里云、腾讯云，全部给到百万级。因为 DeepSeek 的定位就是做全球性价比最高的 B 端基座，长上下文是它的核心卖点，必须全开放。

同样是百万级上下文能力，一个藏着只给自己用，一个敞开了给所有人。这不是技术差异，是商业策略的底层选择。

对普通用户来说，你自己日常用 Kimi 网页端，百万上下文加顶级 OCR，体验拉满。但如果你做产品后端需要调用 API，DeepSeek V4 是唯一正确的选择。

最后说说其他几个。

Qwen 3.6 Max，通义千问的最新旗舰。特点就两个字，中庸。视觉、代码、文案、逻辑全在线，但没有任何一项做到行业顶尖。长文不如 Kimi，逻辑不如 GLM，性价比不如 DeepSeek。好处是中文语境最接地气，解释通俗易懂，适合普通用户日常聊天和简单文案。

字节的豆包，多模态底子极强，视频理解能力国内独一档。但通用逻辑推理弱，长文本拉胯，专业生产力场景基本排不上。它的战略重心在短视频和直播生态，通用大模型只是配角。所以你一直觉得它不温不火，因为在你关注的专业生产力赛道，它确实不在核心竞争圈。

Minimax，两个硬伤，不支持图片理解，逻辑推理明显差一档。我写法律文书的时候试过，逻辑漏洞百出，完全没法用。

说到这，国内大模型的格局其实已经很清晰了。

第一梯队，Kimi 和 DeepSeek，双雄。Kimi 是现在的体验天花板，多模态加长文本，日常用着最舒服。DeepSeek 是未来的性价比之王，V4 文本能力已经追上来了，一旦视觉版落地，格局可能一夜翻转。

第二梯队，GLM。强逻辑推理，法律文书、数学、科研这些场景它是天花板。但放弃了多模态内卷，日常使用天然吃亏。

第三梯队，Qwen。全能中庸，稳定兜底，适合普通用户，专业场景无优势。

至于字节和 Minimax，在你关注的专业生产力赛道，基本可以排除。

我自己现在的分工是这样的。日常开发排错、合同审查、截图丢给模型，全程 Kimi 2.6。法律文书、应诉攻防，走 GLM 5.1。产品后端 API 调用，走 DeepSeek V4。Qwen 偶尔兜底。

不是谁最好，是谁在什么场景下最合适。大模型的时代，选型不是单选题，是排兵布阵。