DeepSeek vs Qwen 大模型编程能力比拼谁更适合作为你的 AI 辅助编程助手
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！ 老牛同学作为一名长期使用 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，老牛同学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，老牛同学后续就用哪个的 Token 服务。 1. 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%，老牛同学觉得都差多不。 2. 效率：敢作为服务拿出来卖，老牛同学觉得效率都不会差；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。 3. 效果 ，这是老牛同学最关心的点，只有满足需求的服务，才是需要的服务。 编程 是老牛同学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。
- 为了消除历史消息对上下文的影响，每次编程老牛同学都使用全新的会话。
- 本次编程评测编程代码结果，老牛同学全部上传共享，大家可通过打开“ 老牛同学 ”微信小程序->点击“ 更多 ”Tab->“ 源代码 ”获取下载链接进行复验：
Qwen 和 DeepSeek 服务价格（DeepSeek 更实惠）
老牛同学将以 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，老牛同学就选择它作为考题，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，老牛同学复制 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，老牛同学对 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，老牛同学在本机分别运行这 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，老牛同学手速没有那么快，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，老牛同学感觉比上面 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。老牛同学修复这个问题之后，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，老牛同学从 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： 1. 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。
2. 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，我相信大家和老牛同学一样，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，老牛同学目前已经明确，接下来续费大模型 Token 调用费用，该往哪个平台了。 提示： 以上 2 个大模型辅助编程的源码，老牛同学已经上传（除微信小程序中，除修正了 app.wxss 样式文件的路径之外，老牛同学承诺对大模型编程结果未做任何一个字符的修改），大家可以下载复验（打开“ 老牛同学 ”微信小程序->点击“ 更多 ”Tab->“ 源代码 ”获取下载链接）。 Cocos 3D 小游戏： 01.技术选型 丨 02.研发流程 丨 03.小游戏框架 丨 04.核心架构设计 丨 05.分包构建发布 Transformers 框架序列： 01.包和对象加载中的设计巧思与实用技巧 02.AutoModel 初始化及 Qwen2.5 模型加载全流程 03.Qwen2.5 大模型的 AutoTokenizer 技术细节 04.Qwen2.5/GPT 分词流程与 B… 05.嵌入（Embedding）机制和 Word2Vec 实战 06.位置嵌入（Positional Embedding） Pipeline NLP 任务序列： 零·概述 丨 01.文本转音频 丨 02.文本分类 丨 03.词元分类和命名实体识别 丨 04.问答 丨 05.表格问答 | 06.填充蒙版 往期推荐文章： Cline 免费插件 + Qwen2.5 大模型，零经验也能开发“对联王”微信小程序 使用 Cursor + Qwen2.5 大模型 零经验研发微信小程序：自由构建个性化节拍器应用实战 Bolt.new 用一句话快速构建全栈应用：本地部署与应用实战（Ollama/Qwen2.5 等） 基于 Qwen2.5-Coder 模型和 CrewAI 多智能体框架，实现智能编程系统的实战教程 vLLM CPU 和 GPU 模式署和推理 Qwen2 等大语言模型详细教程 基于 Qwen2/Lllama3 等大模型，部署团队私有化 RAG 知识库系统的详细教程（Docker+AnythingLLM） 使用 Llama3/Qwen2 等开源大模型，部署团队私有化 Code Copilot 和使用教程 基于 Qwen2 大模型微调技术详细教程（LoRA 参数高效微调和 SwanLab 可视化监控） ChatTTS 长音频合成和本地部署 2 种方式，让你的“儿童绘本”发声的实战教程
