DeepSeek vs Qwen 编程能力实测!谁才是真正的AI编程助手?
DeepSeek在价格上更优惠,而Qwen在编程效果上更胜一筹!看到这儿,我相信大家和我一样,开始犯嘀咕:当前火爆全球、如日中天、大红大紫的DeepSeek大模型,竟然在编程效果上不及Qwen大模型?从结果看,是的。也许是DeepSeek火爆点并不在编程效果上,也行是的提示词待优化,也许是所举样例不具备代表性,也许是需要我们再给 DeepSeek 一些时日……但无论如何,我目前已经明确,接下来续费
整个春节假期,DeepSeek 与《哪吒 2》的消息接连不断,看完我总有种莫名的激动。一边是 DeepSeek 在基础技术领域的深耕细作,另一边则是《哪吒 2》对用户产品的精心打磨,两者多年来的默默努力和不懈追求,终于在今年春节实现了一飞冲天、一鸣惊人的突破!
作为一名长期使用 Qwen 大模型Token服务的用户,目前余额所剩无几了,对购买的服务主要就三个追求:价格、效率、效果。
接下来,我将根据自己使用大模型的实际情况,对DeepSeek和Qwen分别进行以下几个方面的测验,哪个得分高,我后续就用哪个的 Token 服务。
- 价格:说实话,现在大模型厂商都很卷,价格都很实惠。同时,Token 数量与分词算法相关,因此价格只要不超过 50%,我觉得都差多不。
- 效率:敢作为服务拿出来卖,我觉得效率都不会差;同时,模型产出内容不一样,这里就没有一个严格标准,因此暂不做比较。
- 效果,这是我最关心的点,只有满足需求的服务,才是需要的服务。编程是我使用大模型服务最多的地方,因此将通过Web 页面、Python、微信小程序和Cocos 小游戏这 4 个方面编程结果进行评测。
Qwen 和 DeepSeek 服务价格(DeepSeek 更实惠)
我将以Qwen-Max-Latest和DeepSeek-Chat进行比较(Token 数量统一为百万),以下是 2 个大模型官网公布的价格:
- Qwen 价格:输入¥2.4,输出¥9.6
- DeepSeek 价格:输入缓存命中¥0.5,缓存未命中¥2,输出¥8
虽然 Qwen 和 DeepSeek 采用的分词算法可能不一样,但是考虑到都是以百万为单位,这些差异基本可以忽略。
从上述官网价格来看:DeepSeek 更实惠!
Qwen 和 DeepSeek 编程能力
接下来,我们开始进行编程评测,分别通过Web 页面、Python、微信小程序和Cocos 小游戏这 4 个方面编程进行评测。
Web 页面编程(Qwen 胜出)
计算器是一个很好的 Web 程序样例,我就选择它作为考题,提示词如下:
写一个**计算器**静态Web页面,计算器的风格参考Apple手机自带的计算器App。
对于CSS样式,请尽量复用现有的CSS框架,比如BootStrap、Tailwind CSS等等。
最终,我复制 2 个模型的输出 HTML 代码,通过浏览器打开:
2 个模型的 Web 编程结果分析:
- 风格:Qwen 更接近 Apple 手机自带的计算器。
- 功能:对于基本的加、减、乘、除功能,Qwen 输入框只展示了计算结果,没有显示过程算式;而 DeepSeek 点击无反应,也没有结果。
总结,我对 Web 页面编程评测结论:Qwen 胜出!
Python 编程(Qwen 胜出)
贪吃蛇是一款经典的单机游戏,也是很多一部分学习 Python 编程技术的第一个完整程序,我们就以它作为考题,提示词如下:
使用Python,写一个带有GUI界面的**贪吃蛇**小游戏,要求:
1. 游戏开始,有“开始”操作界面,用户点击开始游戏
2. 游戏过程中,在界面底部中间,展示当前分数
3. 游戏结束,有一个结束页面,页面展示游戏分数,并有“重新开始”操作界面
最终,我在本机分别运行这 2 个小游戏,界面如下:
对于最终编程结果,评测分析如下:
- 功能:2 个大模型的结果,均能跑起来,有开始界面,正常展示。
- 游戏:Qwen 蛇的速度比较适中,基本还能玩起来。而 DeepSeek 蛇速度则很快,我手速没有那么快,基本玩不起来。
- 结果:Qwen 能正常展示中文,而 DeepSeek 展示就是乱码了(缺少
ttf
字体文件)。
总结,Python 编程评测结果:Qwen 胜出!
微信小程序编程(势均力敌)
接下来,我们进行微信小程序编程评测,我感觉比上面 2 个编程要稍微难一点:
写一个微信小程序页面,页面样式参考**微信**手机App中“我”Tab的样式。
对于页面样式,请尽量复用现有成熟的框架,比如weui等。
对于weui框架的app.wxss
文件:Qwen 给的地址文件不存在,而 DeepSeek 给的是一个样例地址。我修复这个问题之后,最终小程序页面样式如下:
从最终小程序页面效果来看:Qwen和DeepSeek表现基本一致!
但有个问题:Qwen 和 DeepSeek 都是直接引用weui框架样式,这样势必会增加小程序包大小170KB左右。而weui最佳使用方式是作为扩展组件库的方式引入,这样就不会增加包大小了。
Cocos 小游戏编程(Qwen 略胜)
最后,来一个 Cocos 小游戏编程。今年春节,我从 0 基础开始学习,使用 Cocos Creator 做了一款微信小游戏。过程中遇到了不少问题,我把其中一个问题拿出来作为考题:
我正在使用Cocos Creator 3.8.5研发一款微信小游戏,在一个`ts`组件类中,我需要一个名为`prefabMap`、类型是`{[key: string]:Prefab}`映射的属性,如下TypeScript代码:
@ccclass('WallView')
export class WallView extends Component {
// 预制体映射
private prefabMap: { [key: string]: Prefab } = {};
}
我希望可以通过“属性管理器”来设置**prefabMap**这个属性,包括映射`string`类型的Key和映射`Prefab`类型的Value,请帮忙实现这个代码。
从上面代码来看,Qwen和DeepSeek大模型思路基本一致:先定义一个 KeyValue 类/接口,通过“属性管理器”设置这个 KeyValue 列表,然后再组件启动start
之后把 KeyValue 列表转化为映射对象。
它们两者的编程思路没有问题,可是编写的代码却是不生效的,均存在问题:
- Qwen的问题:代码已经非常接近目标,一步之遥,可 Cocos 无法识别
KeyValuePair
这个类。有两种办法可以解决:KeyValuePair
类增加注解@ccclass('KeyValuePair')
,或者增加一行代码@ccclass('KeyValuePair')(KeyValuePair)
均可。 - DeepSeek的问题:相比 Qwen 来说,问题就多一些了,离目标也就更远一些:
PrefabKeyValue
是一个接口,Cocos 根本无法识别,同时内部的key
和value
没有@property
注解,在“属性管理器”中也无法做到嵌套配置,prefabList
也就无法达成目标了。
从上面分析来看,Qwen 更接近目标,因此 Qwen 略胜一筹!
最后,简单总结
综合上面分析和评测,我们可以看出:DeepSeek在价格上更优惠,而Qwen在编程效果上更胜一筹!
看到这儿,我相信大家和我一样,开始犯嘀咕:当前火爆全球、如日中天、大红大紫的DeepSeek大模型,竟然在编程效果上不及Qwen大模型?
从结果看,是的。也许是DeepSeek火爆点并不在编程效果上,也行是的提示词待优化,也许是所举样例不具备代表性,也许是需要我们再给 DeepSeek 一些时日……
但无论如何,我目前已经明确,接下来续费大模型 Token 调用费用,该往哪个平台了。
普通人如何抓住AI大模型的风口?
领取方式在文末
为什么要学习大模型?
目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 , 大模型作为其中的重要组成部分 , 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力, 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ,为各行各业带来了革命性的改变和机遇 。
目前,开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景,其中,应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。
随着AI大模型技术的迅速发展,相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业:
人工智能大潮已来,不加入就可能被淘汰。如果你是技术人,尤其是互联网从业者,现在就开始学习AI大模型技术,真的是给你的人生一个重要建议!
最后
只要你真心想学习AI大模型技术,这份精心整理的学习资料我愿意无偿分享给你,但是想学技术去乱搞的人别来找我!
在当前这个人工智能高速发展的时代,AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长,真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料,能够帮助更多有志于AI领域的朋友入门并深入学习。
真诚无偿分享!!!
vx扫描下方二维码即可
加上后会一个个给大家发
大模型全套学习资料展示
自我们与MoPaaS魔泊云合作以来,我们不断打磨课程体系与技术内容,在细节上精益求精,同时在技术层面也新增了许多前沿且实用的内容,力求为大家带来更系统、更实战、更落地的大模型学习体验。
希望这份系统、实用的大模型学习路径,能够帮助你从零入门,进阶到实战,真正掌握AI时代的核心技能!
01 教学内容
-
从零到精通完整闭环:【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块,内容比传统教材更贴近企业实战!
-
大量真实项目案例: 带你亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事!
02适学人群
应届毕业生: 无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。
零基础转型: 非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界。
业务赋能突破瓶颈: 传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型。
vx扫描下方二维码即可
本教程比较珍贵,仅限大家自行学习,不要传播!更严禁商用!
03 入门到进阶学习路线图
大模型学习路线图,整体分为5个大的阶段:
04 视频和书籍PDF合集
从0到掌握主流大模型技术视频教程(涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向)
新手必备的大模型学习PDF书单来了!全是硬核知识,帮你少走弯路(不吹牛,真有用)
05 行业报告+白皮书合集
收集70+报告与白皮书,了解行业最新动态!
06 90+份面试题/经验
AI大模型岗位面试经验总结(谁学技术不是为了赚$呢,找个好的岗位很重要)
07 deepseek部署包+技巧大全
由于篇幅有限
只展示部分资料
并且还在持续更新中…
真诚无偿分享!!!
vx扫描下方二维码即可
加上后会一个个给大家发
更多推荐
所有评论(0)