国产模型Claude Code中文编程能力测评 | 性价比象限图

本次测评聚焦 Claude Code 这一终端 AI 编程工具在中文软件工程场景下的实际表现，围绕多个主流大模型在真实代码任务中的综合能力与调用成本，进行系统化的软件工程（SWE）能力评估。每道工程问题均需驱动模型开展 40–75 轮多轮对话交互，逐步完成代码分析、修改与验证。

测评以“总分”衡量模型在代码理解、生成、调试与工程化任务中的综合表现，以“平均每题价格（元）”反映实际使用成本，为开发者和企业在大模型选型时提供一份兼顾性能与成本的直观参考。

相关文章链接：

终端AI 编程工具（Claude Code）中文场景软件工程SWE测评方案发布！

从分布来看，本次测评呈现出明显的“性能与成本分层”：MiMo-V2.5-Pro 以最低成本（0.22元/题）接近中位得分，性价比最为突出；GLM-5.2(max)、Kimi-K2.7-Code、Doubao-Seed-2.1-Pro(high) 位于高分高价的右上区域，综合能力领先但调用成本较高；DeepSeek-V4-Pro(max) 和 MiniMax-M3 则落在低价低分的左下区域，适合成本敏感但对综合能力要求不高的场景；而 Qwen3.7-Max(Thinking) 处于高价低分的右下区域，性价比潜力提升空间较大。