文 | 锦缎
人们总是说，AI 一出来，程序员都要失业了，这说法是真是假？
为了搞清楚这个问题，这次我们设计了一场 "AI 程序员能力挑战赛 "。
别担心看不懂，我们会把所有测试都比喻成你最熟悉的生活任务。
这一次，我们尽可能选择了擅长编程的参赛选手：
深度求索：DeepSeek-R1
腾讯：Hunyuan-TurboS
阿里：Qwen3-Coder
智谱：GLM-4.5
月之暗面：Kimi-K2
百度：ERNIE-X1-Turbo
老规矩，开启深度思考，关闭联网搜索。
这次的 "AI 程序员能力挑战赛 "，采用考驾照的方式。
我们将通过四个 " 科目 "，从易到难，全方位考察参赛选手们的编程能力。
01 科目一：理论知识笔试（基础知识问答）
在真正上路（编写代码）前，我们得先测试一下 AI 参赛选手们的基础知识是否牢固。因此，我们选择了一些编程行业的 " 常识题 "。
测试题目 1：" 请用一个初中生能听懂的比喻，解释一下什么是‘面向对象编程’（OOP）？"
" 面向对象编程 " 是程序员行业内的一个核心哲学。
专业化的表述 " 封装、继承、多态 "，别说初中生了，不少大学生和研究生都得犯迷糊。
这道题考的不是 AI" 懂不懂 "，而是会不会 " 教 "。
测评结果：
各模型选择了不同的生活场景，对面向对象编程中的经典概念进行讲解：
DeepSeek-R1、GLM-4.5 和 ERNIE-X1-Turbo 对于关键的概念有所省略，但仍然能做到易于理解。
本轮评分：
" 递归 " 是编程领域中一种 " 自己调用自己 " 的奇特技巧，优雅但危险。
用好了，程序的可读性和性能都会得以提升；用不好，程序很容易陷入无限循环，直到内存耗尽而崩溃。
各模型异曲同工地都选择了俄罗斯套娃作为比喻之一。
同时，详细地描述了使用递归时的限制条件。
其中，Qwen3-Coder 和 GLM-4.5 还提及了递归的应用场景，使回答更加充实；
而 DeepSeek-R1、Hunyuan-TurboS 和 ERNIE-X1-Turbo 在没有提及其他概念的情况下，将递归与循环和迭代做了对比，也是亮点之一。
这是程序员面试的基础题目之一，涉及计算机如何同时处理多个任务的底层原理。
能讲清楚这两个概念，证明 AI 的计算机知识体系相当完备。
同样地，各模型首先给出简单的比喻，然后从多个方面对比二者的区别和联系：
除 Kimi-K2 外，各模型均从多个角度对比了进程与线程之间的区别和联系，内容充实。
其中 GLM-4.5 给出的答案篇幅较长，包含了简单的比喻和专业的解释，覆盖用户范围更广。
与之相反，Kimi-K2 给出的回答却十分简短，虽然易于理解，但并未揭示二者的本质。
理论考试环节，各模型都展现出了碾压性的实力。
这些本身就是计算机领域顶尖水平的 " 考生 "，知识储备渊博，表达清晰，比喻也很精妙。
从评分来看，Qwen3-Coder 和 GLM-4.5，在理论方面略胜一筹。
如果光看笔试成绩，这些 AI 恐怕已经可以胜任本科生的计算机 " 私人教师 "。
不过，程序员的世界，终究还要靠代码说话。
02 科目二：动手实践课（入门级编程任务）
理论知识过完，就来到基础操作环节。
这就像科目二中的 " 倒车入库 " 等环节，需要手眼协调，考验基本功是否扎实。
测试题目 1：" 写一个经典的‘ FizzBuzz ’问题：从 1 打印到 100，如果是 3 的倍数就打印‘ Fizz ’，5 的倍数就打印‘ Buzz ’，同时是 3 和 5 的倍数就打印‘ FizzBuzz ’，其他情况直接打印数字。"
从我们的角度看，这不过是一道小学生级别的数学题。
事实上，这类编程入门题能够快速判断 AI 的编程逻辑。
而我们作为 " 考官 "，还要看看 AI 能不能给出我们一下子想不到的答案。
先说结论，AI 生成的代码均可正确运行，给出的答案共有两种：
一是逆向逻辑：先判断 15 的倍数，再分别判断 3 和 5 的倍数；
二是字符串拼接：先判断 3 的倍数后输出字符串 Fizz，再判断 5 的倍数后直接拼接 Buzz。
DeepSeek-R1、GLM-4.5、Kimi-K2 和 ERNIE-X1-Turbo 都只给出了第一种答案。
Hunyuan-TurboS 和 Qwen3-Coder 则成功给出了两种答案，智能程度满分。
引入素数的概念，相比上一题稍难一些，人类可能难以一眼看出解法。
但细想一下，实际上核心思路很简单：
判断一个数是不是素数，没必要从 2 一直除到 n-1。只需要除到它的 " 平方根 " 就行了。
这次，要考验 AI 对数学概念的程序化转换能力和浅层次的算法优化意识。
所有模型都给出了正确的算法；
除 Hunyuan-TurboS 外，所有模型均给出了可运行的代码；
除 Hunyuan-TurboS 和 Kimi-K2 外，其余模型均给出了时间复杂度。
值得关注的是，Hunyuan-TurboS 和 GLM-4.5 均指出在数字较大时可以使用 Miller-Rabin 素性测试等更高效的算法。
而 Qwen3-Coder 不仅给出了正确的算法，还给出了适合批量判断的埃拉托斯特尼筛选法，也给出了时间复杂度。
这道题在一定程度上属于 " 开放式 " 题目，实现办法多种多样，考验 AI 处理字符串的能力。
由于解决方案较多，由人类来评判可能有失偏颇，我们请同行 Gemini 2.5 作为裁判进行评判。
" 裁判 " 从方案广度与深度、代码质量与规范、解释与教学性、独特亮点和主要不足这五方面进行了客观的评价：
DeepSeek-R1：
方案广度与深度：高，提供了空间优化
代码质量与规范：高，代码严谨
解释与教学性：高，复杂度分析准确
独特亮点：提供了最高效的空间解法
主要不足：方案种类较少
Hunyuan-TurboS：
方案广度与深度：中，方案实用但缺少最优解
代码质量与规范：高，解法具备 Python 特色
解释与教学性：极高，排版清晰，总结表格
独特亮点：教学性和用户体验最佳
主要不足：缺乏空间复杂度的最优解 |
Qwen3-Coder：
方案广度与深度：极高，四种方法，包含递归
代码质量与规范：极高，组织良好，包含测试函数
解释与教学性：高，对比清晰
独特亮点：技术最全面，广度与深度兼备
主要不足：排版不够生动
GLM-4.5：
方案广度与深度：中，专注最优解
代码质量与规范：极高，包含使用类型提示
解释与教学性：高，包含执行流程示例
独特亮点：对最优解的解释最形象
主要不足：方案单一，广度不足
Kimi-K2:
方案广度与深度：低，仅有一种方案
代码质量与规范：高，使用了 __name__（Python 编程风格）
解释与教学性：极高，语言最亲切、口语化
独特亮点：亲和力第一，代码结构规范
主要不足：技术深度最浅
ERNIE-X1-Turbo：
方案广度与深度：中，专注于接口设计
代码质量与规范：高，但有瑕疵
解释与教学性：高，展示不同应用场景
独特亮点：体现 API 设计思想，函数灵活可配置
主要不足：测试用例有逻辑错误
到了实践环节，" 考生 " 们开始展现出区分度。
Qwen3-Coder 在三道测试题中都给出了完美的回答，毫无疑问获得满分，排行第一；
DeepSeek-R1 和 GLM-4.5 也给出了高分回答，保证答案正确的情况下各具特色；
Hunyuan-TurboS 和 ERNIE-X1-Turbo 则都出现了细小的错误，令人遗憾。
科目二的测试题目难度大概和大一大二的普通计算机学生水平相当。
由此可见，AI 完成计算机专业部分课程的期末考试已经不在话下。
03 科目三：生活应用题（解决实际问题）
由于科目一和科目二还局限于学术范围，我们要再次升级难度。
科目三要测试的是 AI 能否解决我们生活和工作中的实际痛点。
这考验的不仅是 AI 的编程技巧，还有对人类需求的理解和解决问题的能力。
测试题目 1：" 我桌面上有几百个文件，有图片、文档和视频，太乱了。你写个程序帮我整理一下，把不同类型的文件放到各自的文件夹里。"
非常典型的 " 自动化办公 " 需求。
每次看到一台电脑的桌面上被堆满应用图标，强迫症都难以呼吸。
因此，这道题目要求 AI 编写一个与操作系统打交道的脚本。
需要完成文件的查找、分类、创建文件夹和移动文件等一系列操作。
所有模型都给出了可运行的代码，并实现了文件分类的功能。
其中，GLM-4.5 给出了令人惊喜的回答：
它生成的代码提供了一个额外功能：模拟运行，即只显示操作但并不实际移动文件。
这对于评测来说是不可多得的亮点之一。
表现相对较差的则是 Kimi，仅给出了图片、文档和视频三种分类方式。
难度进一步上升。
这道题的核心难点在于需求与 " 外部数据获取 " 挂钩，专业术语叫做 "API 调用 "。
AI 编写的程序需要能够访问一个提供天气或气象相关数据的网站，并获取 PM2.5 的数值。
而作为评判者，除了要关注数据的正确性，还要关注程序的自动化程度。
毕竟，很多网站的数据需要先注册才能获取，但 " 一键式 " 才是我们追求的目标。
对于这道难题，各模型给出的答案令人有些失望。
DeepSeek-R1 没能给出直接获取数据的方法，给出的方案需要在 tianqiapi.com 注册获取密钥，但提供的链接也无法直接访问；同样地，ERNIE-X1-Turbo 给出的方案也需要在和风天气注册获取密钥，且程序只能发挥定时检测作用而非查询作用。
Hunyuan-TurboS 提供了两种方案，一种是使用 OpenWeatherMap 的 API，同样需要注册并获取密钥；另一种是直接使用 AQICN 的公开数据，实现了 " 一键式 " 获取，虽然数据似乎有些不准确。
Qwen3-Coder 生成的代码功能较为齐全，能够成功调用外部 API 实现 " 一键式 " 获取，但可惜查询存在错误，如输入城市为北京，但输出数据为上海，且程序运行一次后自动结束。
至于 GLM-4.5 和 Kimi-K2 提供的代码则完全无法实现所需功能，也未给出可行方案。
第三题的需求相对封闭，不涉及外部依赖，AI 的表现肉眼可见的 " 好起来了 "。
因此，我们需要关注 AI 生成代码功能是否灵活、齐全。
所有模型都能编写出可用的密码生成器，但功能存在一定差别：
DeepSeek-R1 非常贴心地在代码中加入了 " 避免模糊字符 " 功能，解决了常见的大写字母 I 和小写字母 l 的辨认问题。
Hunyuan 则另辟蹊径，使用 HTML 形式编写了可交互式的密码生成器，且有密码强度评分功能。
Qwen3-Coder 在允许用户自定义密码生成规则的情况下，还允许用户一次性生成多个密码。
GLM-4.5、Kimi-K2 生成的代码只能在命令行中运行，操作比较麻烦；同时，Kimi-K2 和 ERNIE-X1-Turbo 编写的密码生成器不允许用户自定义密码生成规则，灵活性较差。
这一次，轮到 Hunyuan-TurboS 领跑赛道，独占榜首。
先前的测评中，我们已经知道，对模型来说获取准确的外界信息是一项难度很大的任务。
因此，能够跨越与外界联系的 " 鸿沟 "，获取到气象数据，实属不易。
DeepSeek-R1 和 Qwen3-Coder 紧随其后，在其他两道测试题上的表现不错，在封闭环境下发挥了可靠的能力。
其余三位考生则各有 " 短板 "，发挥不佳，令人失望。
04 科目四：终极项目挑战（高阶综合能力）
这是最终的压力测试。
如果把前面的题目比作 " 零件 " 级别的任务，那科目四就像让 AI 动手 " 组装机器 "。
下面的题目考验 AI 的系统设计、代码组织和综合应用能力。
如果能顺利通过科目四，证明 AI 已经是代码领域内一名合格的 " 司机 "。
测试题目 1：" 帮我写一个网页版的待办事项列表（To-Do List）。"
入门级的前端项目。
它不只是一个后台脚本，而是需要一个用户能直接交互的 " 界面 "。
这要求 AI 必须同时掌握三种 " 语言 "：HTML、CSS 和 JavaScript。
所有模型都设计出了功能完备的待办事项列表。
值得注意的是，在程序结构方面，只有 Qwen3-Coder 将 HTML、CSS 和 JS 分成了三个独立的文件。而其他五个模型都选择了将 CSS 和 JavaScript 直接嵌入 HTML 文件中的做法。
看起来，Qwen3-Coder 的做法并不如其他模型的做法便捷，无法 " 开箱即用 "；
但是，" 分文件 " 的做法才是专业 Web 开发者的标准做法，具备较高的可维护性和可读性。
这种方式有助于代码复用、团队协作和性能优化，教授了一种专业、可持续的开发模式。
尽管对新手来说稍有门槛，不过 Qwen3-Coder 也备注了详细的使用方法。
AI 应用的热门领域之一——网络爬虫。
这道题类似于让 AI 派出一个小机器人去自动浏览网页，从海量信息中精确地抓取所需信息。
不过，难点并非数据的提取，而是复杂且多变的网页结构该如何处理。
这道题也让 AI 参赛选手们出现了明显的 " 分化 "。
很遗憾，DeepSeek-R1、GLM-4.5 和 ERNIE-X1-Turbo 都无法获取到指定内容。
相比之下，Hunyuan-TurboS 和 Kimi-K2 的爬取能力明显增强，能够获取到网页信息，不过位置有错误。
只有 Qwen3-Coder 出色地完成了任务，爬取到了正确的新闻标题。
最后一道测试题回归到了纯粹的 " 系统设计 "，考察前面 " 面向对象 " 思想的实际应用。
事实上，这也是计算机专业学生几乎必定经历过的课程设计题目之一。
因此，我们将测评题目也设计为开放式，只告诉了 AI 最基本的需求。
除了完成系统的设计，我们还要着重观察 AI 能否添加并完善系统的功能。
所有模型都给出了可运行的代码，构建了复杂程度不同的图书馆系统。
对于借书、还书的逻辑，所有模型都能够轻而易举地正确复现。
但是，对于没有直接提出的一些需求，则暴露出部分模型的短板。
DeepSeek-R1、Hunyuan-TurboS、Qwen3-Coder 和 GLM-4.5 都很自觉地加入了查询图书馆藏书清单和查询用户借阅清单的功能。
而 Kimi-K2 和 ERNIE-X1-Turbo 却只实现了简单的借书和还书逻辑。
另外，我们要求 AI 设计的是图书馆 " 系统 "。
顾名思义，这个系统是要能够与用户进行交互的。
这里必须夸奖一波 Qwen3-Coder，六个模型中唯一采用交互式而非测试用例的 AI。
它生成的代码提供了两种运行模式，允许使用测试用例进行演示，也允许用户上手操作：
毫无疑问，在其他模型表现平庸的衬托下，Qwen3-Coder 的编程能力一骑绝尘。
它不仅能够正确理解人们的实际需求，还能够根据概念来构建一个完善的微型系统。
设计清晰，逻辑严谨，功能强大，令人信服。
05 一点基本结论
这场驾照考试就到此为止。
通过各个科目的成绩，可以看出，Qwen3-Coder 轻松拿到了本次考试的榜首。
不论是在理论知识、基础编程、生活应用还是项目挑战，它都能够成为一个写代码的 " 好帮手 "。
同时，在测评过程中，我们也注意到了一些其他的细节：
生成代码的长度和速度方面，Qwen3-Coder 都体现出了明显的优势。
在科目四的测试中，它生成的代码比其他模型要长数十行，却能够比其他模型更快完成编写。
反之，Kimi-K2 的代码风格极为简洁，长度极短，因此也基本只能实现文字意义上的功能。
但总的来说，对于较为简单的需求，现阶段的 AI 水平已经足够。
那么，回到我们先前讨论的问题：AI 能取代程序员了吗？
答案是：目前还不能，但它已经在彻底改变 " 程序员 " 这个职业的定义。
与其说是取代程序员，不如说 AI 是在推动自己和程序员的 " 进化 "。
不仅是程序员，对于有编程需要的学生和职场人来说，AI 大模型已经成为必不可少的 " 外挂 "。
以 AI 目前的能力，解决掉 80% 以上的重复枯燥的 " 体力活 "（写基础代码、查资料、写注释等）已经不在话下。
同时，它还能在几分钟内，搭建起一个项目的 " 毛坯房 "，用户无需在程序框架上绞尽脑汁，而是可以把精力投入到 " 室内精装修 "（核心业务逻辑、用户体验优化、系统架构设计）。
更重要的是，它能极大地降低编程的入门门槛，那些有创意但不懂技术的人，已经不再需要把自己培养成程序员，就可以借助 AI 将想法变为现实。
说实话，在这次测评的过程中，看到 AI 在几十秒内就生成了一个功能完整的程序时，作为一个几年前毕业的计算机学生，我直接愣住了，甚至有点恍惚。
屏幕上自动滚动的代码，结构清晰、注释齐全，脑海里闪过的，不是 AI 生成的速度如此之快、质量如此之高，而是当年为一个类似的课程设计通宵达旦的场景。
以前，为了实现一个简单的图书馆借阅系统，我可能要一边翻阅 C++ 的 " 抽象圣经 "，一边因为一个数据库的 BUG 在 CSDN 的帖子间反复横跳；为了实现最简单的一个 UI 界面，我可能要在使用文档上花一个下午，因为找 Bug 找几个小时而怀疑人生。整个课程设计从开始到运行，几周的时间并不算长。
而现在，AI 完成这些的时间，只用了我喝一杯水的时间。
百感交集，有一种青春被 " 降维打击 " 的失落感。以前熬夜攻克的 " 难题 "，现在 AI 云淡风轻地一笔带过。与此同时产生的，是一种难以言喻的惆怅和敬畏。
我们这一代程序员，已经是见证历史的一代。我们曾用双手砌墙，而未来的程序员将直接指挥机器人盖起高楼大厦。
当然，这不是一个时代的落幕，而是一个新纪元的开启。
程序员的价值，将不再是 " 砌墙 "，而是设计大厦的 " 蓝图 "，我们的目标，是思考它的结构、它的美感和它的价值。
当然，得带着 AI 助手。
因此，没有太多的焦虑，更多的是对未来 AI 时代的期待。
