Campus Marketplace 模型编程能力横评

项目描述：基于同一套 Campus Marketplace 前后端提示词，横向比较多个大模型通过 opencode CLI 生成完整工程项目的代码质量、功能覆盖、可运行性与业务实现能力。

这个仓库用于评测不同模型在同一套 opencode CLI 提示词下生成完整项目的能力。评测题目分为前端和后端，统一主题为校园二手交易平台 Campus Marketplace。

评测关注的不只是“能生成多少文件”，而是一个模型能否交付接近真实工程的项目：页面是否能用、后端是否能跑、业务规则是否严谨、测试是否可信、README 是否能让别人复现。

关键词

llm-evaluation ai-coding opencode code-generation model-comparison vue3 vite typescript spring-boot java17 campus-marketplace full-stack

评测对象

每个模型目录都按同一结构保存：

<model>/
├── frontend/   # Vue 3 + Vite + TypeScript 校园二手交易前端
└── backend/    # Java 17 + Spring Boot 3.x 校园二手交易后端

当前排行榜

排名	模型	前端	后端	综合	等级
1	deepseek-v4-pro	91	92	92	S
2	glm-5.1	89	90	90	S
3	kimi-2.6	86	87	87	A
4	minimax-m2.7	83	68	76	B
5	qwen-3.6plus	84	65	75	B
6	mimo-v2.5-pro	82	63	73	B

综合分按前端 50% + 后端 50% 计算。

评分方法

前端满分 100，主要评价需求覆盖、产品体验、交互状态、工程结构和可运行性。
后端满分 100，主要评价 API 覆盖、业务逻辑、数据库建模、架构质量、参数校验、异常处理、测试和可运行性。

详细规则见 评分标准。

验证快照

模型	前端 npm run build	后端 mvn -q test	关键备注
deepseek-v4-pro	通过	通过	状态流转和 H2 测试隔离较完整。
glm-5.1	通过	通过	工程完成度高，移动端体验较好。
kimi-2.6	通过	通过	Pinia 状态拆分细，校验注解覆盖多。
minimax-m2.7	通过	失败	后端测试引用不存在的 DTO，测试代码编译失败。
qwen-3.6plus	通过	失败	后端测试直接依赖本机 MySQL。
mimo-v2.5-pro	通过	失败	后端测试直接依赖本机 MySQL。

评测材料

• 前端提示词
• 后端提示词
• 评分标准
• 本轮横评报告

本轮验证摘要

前端：6 个模型的 npm run build 均通过。
后端：deepseek-v4-pro、glm-5.1、kimi-2.6 的 mvn -q test 通过；mimo-v2.5-pro 和 qwen-3.6plus 因测试依赖本机 MySQL 失败；minimax-m2.7 因测试代码引用不存在的 DTO 编译失败。

仓库结构

.
├── prompts/                    # 固定评测提示词
├── docs/evaluation/            # 评分标准与横评报告
├── deepseek-v4-pro/
├── glm-5.1/
├── kimi-2.6/
├── mimo-v2.5-pro/
├── minimax-m2.7/
└── qwen-3.6plus/

复测方式

进入对应模型目录后执行：

# 前端
cd <model>/frontend
npm install
npm run build

# 后端
cd <model>/backend
mvn -q test

新增模型时，建议按模型名新建目录，并保持：

<model>/
├── frontend/
└── backend/

然后按 评分标准 更新排行榜和 横评报告。