如何评价 2 月 16 日发布的 Qwen3.5 的性能表现?
随着大模型技术在开发领域的应用深入,国产模型在特定垂直场景下的适配能力成为关注焦点。本次测试针对UEFI(统一可扩展固件接口)开发任务,选取了Qwen3.5-Plus作为测试对象,旨在评估其在底层环境下的代码生成与问题解决能力。测试任务为在UEFI Shell下开发一款“打飞机”游戏,采用完全自主开发的模式,通过实际运行结果来验证模型的工程化水平。
01测试环境与规则设定
为确保测试结果的客观性与横向可比性,本次实验复用了与过往GLM5、MiniMax、Kimi等模型评测一致的环境与规则。测试在Windows环境下进行,仅安装Visual Studio 2019编译工具,本地不预置任何代码库。在整个开发过程中,除必要的极简提示外,不提供专业指导,完全依赖模型自主完成任务。
| 配置项 | 详细说明 |
|---|---|
| 测试模型 | Qwen3.5-Plus |
| 开发任务 | UEFI Shell下开发打飞机游戏 |
| 操作系统 | Windows |
| 编译工具 | Visual Studio 2019 |
| 代码库基础 | 零代码库,从零搭建 |
| 人工干预 | 最小化原则,仅提供关键提示 |
UEFI开发测试环境配置
02Qwen3.5 具体表现分析
在任务执行初期,Qwen3.5-Plus展现出了良好的条理性。环境搭建阶段,模型能够有序地下载EDK2源码、配置编译环境并创建项目结构,这一点优于此前测试中表现混乱的MiniMax和Kimi。此外,模型具备生成任务清单的功能,能够对已完成项进行勾选,使得开发进度清晰可见。然而,随后的开发过程暴露了模型在编译纠错、图形渲染及字符处理等方面的短板。
- 环境搭建顺利:自动处理目录结构,未出现“自作主张”创建混乱目录的情况,整体逻辑清晰。
- 任务管理可视化:能够生成进度列表并实时更新,便于开发者追踪当前状态。
尽管起步顺利,但Qwen3.5在核心开发环节遭遇了多重阻碍。首先是编译阻塞问题,模型耗时4小时未能解决由非ASCII字符(中文注释)引发的编译错误。与前述模型采用拼音替代或英文改写的策略不同,Qwen3.5陷入了对编译参数的死循环修改,最终在人工提示“使用/wd参数”后才得以通过。其次是图形渲染质量低劣,生成的游戏界面画面粗糙,色块杂乱,辨识度极低。即便在接入透明背景PNG素材后,视觉效果仍停留在较低水平。最后是字体处理能力不足,模型无法自主解决UEFI环境下的TrueType字体渲染问题,导致中文显示失败,英文显示需经多次提示并借助外部脚本提取字模数据方可修复。
Qwen3.5 优劣势分析
正面表现
测试过程中的亮点功能
- 具备多模态视觉理解能力,可通过截图分析问题
- 具备较强的尝试耐心,面对报错未立即中断任务
- 项目结构搭建规范,优于部分竞品模型
核心短板
影响最终交付效果的关键问题
- 问题解决策略错误:针对编码问题无效修改参数长达4小时
- 图形生成能力弱:界面效果甚至落后于上世纪80年代游戏水平
- 系统兼容性差:无法自主处理中英文字体在UEFI下的渲染难题
03四款模型横向对比总结
综合此前对GLM5、MiniMax、Kimi以及本次Qwen3.5的测试数据,各模型在UEFI开发场景下的表现差异显著。整体来看,GLM5在开发效率与完成度上保持领先,Kimi凭借多模态能力与纠错意识紧随其后,而Qwen3.5与MiniMax则在底层工程任务上显得力不从心。
| 模型 | 环境搭建 | 编译纠错 | 图形质量 | 字体支持 | 综合排名 |
|---|---|---|---|---|---|
| GLM5 | 顺利 | 自主解决 | 体面规范 | 自主完成 | 第一名 |
| Kimi K2.5 | 一般 | 提示后解决 | 清晰简洁 | 提示后解决 | 第二名 |
| Qwen 3.5-plus | 顺利 | 重度依赖提示 | 极其粗糙 | 中文失败 | 第三名 |
| MiniMax M2.5 | 混乱 | 中途放弃 | 未正常运行 | 未正常运行 | 第四名 |
国产大模型UEFI开发能力横向对比
04开发选型建议
基于上述测试结果,针对UEFI及相关底层开发场景,提出以下选型参考:如果追求开发效率和任务完成率,GLM5目前是最佳选择,其在环境搭建、问题定位及代码质量方面表现均衡且出色。如果开发过程中依赖视觉辅助(如通过截图Debug),Kimi可以作为备选,虽然需要一定人工引导,但具备完成任务的潜力。至于Qwen3.5和MiniMax的当前版本,在BIOS开发等对底层逻辑和兼容性要求较高的场景中,尚不具备实际生产力工具的能力。
当前文章无评论,是时候发表评论了