最强编程模型，在2024年底，毫无疑问是claude 3.5断档式领先

2025年过去了，编程这个赛道打得火热，也确实打出了变化

先说目前，我日常使用最多的模型，在公司是claude sonnet 4.5，在家是gpt 5.2 medium 和 extra high

开发常规需求，中低难度的开发任务，可以用这些模型：

claude sonnet 4.5

gpt 5/5.1/5.2 medium

gpt 5/5.1/5.2 codex medium

解bug，查问题等复杂的开发任务，可以使用这些模型：

gpt 5/5.1/5.2 extra high

gpt o3

claude opus 4.5 thinking budget开到最大

复杂问题上，从o3开始，gpt模型就开始断档式领先，至今没有能替代的

o3也是第一个能用来写代码的openai模型，在此之前的4o、4.1什么的，没一个能打的

等等，gemini去哪了，怎么没提到他

原因是gemini无论2.5pro还是3 pro，用来写代码都一般，只比国产模型强那么一丢丢，基本上不考虑用它来写代码

除了写代码之外，三大模型我是这样用的：

gemini做调研、出方案、画图

claude写写文章

所以现在看，2025年无可替代的不是claude，而是gpt

claude小气，不让用就不用了，没啥影响，gemini有没有都行

如果gpt不让用了，就麻烦了

写代码这件事，其实很难，难在用户预期的上限极高，大到能不能自己跑3个月，帮我写一款操作系统，小到把这行代码改成xxx

复杂的编程任务要求模型有高智商只是一方面，这里面的需求空间其实非常大，比如说：

异步长时间运行：长程规划在2025年上半年还是claude的绝技，只此一家能做好长程规划，到年底，gpt玩宝可梦也能玩好几天了

听懂需求：有些很偏科的模型（xx coder之类的）听不懂需求，自然就做不对题。在qwen coder plus之前，qwen家的coder模型全都听不懂需求，在kimi k2之前，kimi家的模型也存在一样的问题，现在基本上都能听懂需求了，有点像当时的claude sonnet 3.5

审美在线：UI交互设计对模型的审美有要求，用户认为这也是编程能力的一部分，属于隐性要求。像gpt的模型，审美就不咋地，UI设计上gemini最强，从2.5pro开始就领先了，claude排第二，爱用经典的tailwind蓝紫风格

长时间运行，举个例子，gpt 5.x用得久了，我现在也能接受AI写个代码要跑20分钟～半小时

甚至前一周AI自主跑过2小时，下次细说

单从AI自主运行时间的变化，就能发现，人对AI的期待提高了非常多，我已经在谋划用AI写个编程语言了，以后或许会写操作系统

所以反过来看，claude有可能成也编程败也编程，如果一个模型编程能力非常强，它是偏科的，而现实世界的问题是复杂多面的，需要水桶模型，有理由相信一个能搞定蛋白质结构，有尖端科研能力的模型，能帮我搞定写代码这种简单的事情，模型的上限决定了它的应用场景大小

从模型在复杂问题上的能力表现来看：

o3、gpt5是巨大的突破

claude 3.7有突破，claude 4.0略微突破，claude 4.5没感觉到变化

gemini 2.5是突破自己，3没感觉到变化，nano banana算是异军突起，整体来看gemini模型能力本身，目前没啥能打的，老三是尴尬的

再说国产模型，2025这一整年，qwen、kimi、glm三家基本上都达到了claude sonnet 3.5的程度，写代码能用，但是没有那么好用。并且很有意思的是，这三家基本上在同一时间点取得了这个突破

在2025年之前，不客气的说，用不了，根本用不了

这方面的追赶是肉眼可见的，并且另一方面，国外的领先的3家，似乎也陷入了瓶颈，单就编程这个场景，达到o3或者gpt5的水平就足够了，中间档是claude sonnet 3.7 thinking

也就是说，国产模型在编程赛道，距离够用还差1.5步，加油

2027，希望能用国产模型，实现写代码自由