Gemini 3.1 Pro 编程实测:Benchmark分数领跑,实战能力却垫底?
Gemini 3.1 Pro 发布后,其 Benchmark 数据在多个维度表现领先,引发广泛关注。然而,基准测试的高分未必等同于实际工程能力的强弱。为了验证该模型在真实开发场景中的表现,本次测试沿用了此前针对 Claude Opus 4.6 和 GPT-5.3 Codex 的两道真实编程任务,保持 Prompt 和项目代码完全一致,通过人工验证功能完整度与顶尖模型 Code Review 代码质量的方式进行综合评分,以期还原真实的编程能力差距。
01测试任务与实测表现
本次测试包含两道不同维度的编程题目,旨在全方位评估模型的代码理解、架构适配及功能实现能力。
- 任务一:跨项目认证体系迁移
要求将 Email、Google OAuth、GitHub OAuth 认证体系及落地页迁移至图片生成 Agent 项目(Antigravity)中。该任务重点考察代码理解、架构适配及工程规范。
实测表现:Gemini 3.1 Pro 在该任务中出现严重失误。经过五轮对话仍未完美解决,期间多次出现项目无法启动、认证逻辑错误(登录成功后未跳转至主界面)等问题。甚至出现了理解偏差,直接复用了参考项目的落地页代码,未能针对当前项目进行适配。相比之下,其他两个模型均在一轮对话内无编译错误地完成了任务。 - 任务二:终端 CLI 改造 Web 聊天界面
要求将终端 CLI Agent 工具改造为 Web 聊天界面,并保留 Thinking、工具调用及 SSE 流式输出功能。该任务重点考察全栈输出、流式输出及 UI/UX 交互能力。
实测表现:Gemini 3.1 Pro 表现较好,一次性完成了任务。生成的 Web 界面左侧列出 Skills 列表,右侧为对话框,能够正常进行工具调用、流式输出和技能加载。虽然在多轮对话中存在 Agent 每次都新建会话的小问题,但整体效果优于 Claude Opus 4.6。
02三方横评与综合排名
基于人工验证功能完整度与顶尖模型 Code Review 代码质量的评分标准,三个模型在两项任务及综合维度的得分如下。
| 模型/项目 | 任务一评分(认证迁移) | 任务二评分(CLI改Web) | 综合评分 |
|---|---|---|---|
| GPT-5.3 Codex | 7.8 | 8.4 | 8.1 |
| Claude Opus 4.6 | 8.2 | 6.5 | 7.4 |
| Gemini 3.1 Pro | 6.0 | 7.5 | 6.8 |
三方模型编程实测评分对比
综合来看,三个模型展现了不同的特性。GPT-5.3 Codex 属于工程性选手,两道题完成度均较高,代码架构扎实,表现最为稳定;Claude Opus 4.6 在复杂任务中功能实现较全,但代码细节和 UI 审美仍有优化空间;Gemini 3.1 Pro 则像一名速度性选手,简单任务交付快,但在处理复杂任务时存在明显短板。
03实测结论
本次实测再次证明,Benchmark 跑分并不完全等同于实战能力。尽管 Gemini 3.1 Pro 在推理、编码等维度的基准测试中排名第一,但在真实复杂的编程项目中,其综合排名位于第三。虽然其在处理简单任务时性价比不错,但在面对复杂的工程化需求时,仍与头部模型存在一定差距。
当前文章无评论,是时候发表评论了