近日，Netlify 公布了一项面向 AI 模型选型的横向测试：通过 OpenRouter 接入 DeepSeek、Qwen、Kimi、GLM 等 11 款主流模型，使用同一段构建提示词生成静态咖啡店网站，并比较输出质量与积分消耗。结果显示，模型间的性能与成本差异巨大。DeepSeek V4 Flash 平均仅需 2.4 个积分即可产出最佳静态网站之一；GPT 5.6 Sol 在低努力模式下平均消耗 141 个积分，也同样表现靠前。而 Claude Opus 5 等高端模型虽然积分用量较高，生成效果却未必与成本相匹配。这一结果说明，在 AI 辅助编程和低代码建站场景中，轻量模型在特定任务上正展现出明显的性价比优势，开发者需要根据任务复杂度动态选择模型，而非简单追求最高规格版本。对行业而言，模型评测的维度正在从单一能力指标向成本、延迟和实际任务效果综合转变。