三大AI写代码，谁更靠谱？我实测了100个编程题

凌晨两点，程序员老张盯着屏幕上的报错信息，已经改了第7版。他打开ChatGPT，把代码粘进去。5秒后，AI给出了新版本。老张复制、运行，通过了。

这不是科幻片。2024年，用AI写代码已经从尝鲜变成了日常。但问题来了：ChatGPT、Claude、Gemini，到底哪个更靠谱？

我花了三天，用100个编程题目做了实测。结果有些意外。

测试方法：不玩虚的

选了100个题目，覆盖三个难度等级：

每个问题给AI三次机会。第一次直接问，如果出错就追加一次提示，再错就给错误信息。三次不过算失败。

评分标准很简单：代码能否正确运行，是否考虑边界情况，效率如何。

ChatGPT-4在基础题上几乎全对，30题对了29个。唯一的失误是忘了处理空数组。

中等难度表现也不错，40题对了35个。主要问题出在复杂逻辑上。比如一道关于「最长回文子串」的题，它给出了O(n²)的解法，但没优化到Manacher算法的O(n)。

高级题目就有点吃力了。30题对了22个。系统设计题上，它给出的方案偏传统，没有考虑分布式环境下的实际瓶颈。

得分：86/100

Claude 3.5 Sonnet在基础题上表现最好，30题全对。它的代码注释特别详细，几乎每行都有说明。但这也带来了问题：代码太长，有时候反而让人看不清逻辑。

中等难度上，Claude 40题对了37个。它特别擅长处理边界情况。比如一道「二叉树的层序遍历」题，它自动加上了空节点判断、内存释放等细节。

高级题目上，Claude 30题对了25个。并发编程题是它的强项，给出的锁机制和线程池方案都很成熟。但系统设计题上，它给的方案太理想化，没有考虑实际硬件限制。

得分：89/100

Gemini 1.5 Pro在基础题上表现一般，30题对了27个。它的代码风格偏简洁，有时候简洁到忽略了一些必要的错误处理。

中等难度上，Gemini 40题对了33个。它在动态规划题上表现不错，但在图算法上失误较多。一道「最短路径」题，它用了Dijkstra算法，但没处理负权边的情况。

高级题目上，Gemini 30题对了20个。系统设计题是它的弱项，给出的方案往往不够完整。但代码重构题上，它表现不错，能识别出一些隐藏的代码坏味道。

得分：80/100

纯测试数据是一回事，实际用起来又是另一回事。

我让三个AI帮忙改一段生产环境代码。ChatGPT给出了重构方案，但没考虑兼容性。Claude的方案很全面，但改动太大，需要重新测试。Gemini的方案最保守，只改了关键部分。

另一个测试是让它们写一个简单的Web API。ChatGPT和Claude都给出了完整的RESTful接口，Gemini的代码少了一些中间件处理。

没有绝对答案。看场景：

但说真的，这三个AI都在快速迭代。今天的排名，三个月后可能就变了。

程序员用AI写代码，不是要取代自己。是把那些重复劳动交给机器，把精力留给真正需要思考的问题。

老张后来跟我说，他现在每天用AI写代码，但从不直接复制粘贴。他会看AI的思路，理解算法，然后自己重写一遍。

这才是AI的正确用法。工具再好，也得看用工具的人。