一句话说清： 不跑分，跑场景。同一个任务分别丢给三个模型，对比输出质量、速度、成本。代码/写作/翻译/摘要各测一遍，帮你省掉自己对比的时间。

国产大模型最近井喷——DeepSeek V4、千问、豆包，每个都说自己很强。但评测文章看了一大堆，你还是不知道「我的场景该用哪个」。

由于评测只看跑分。跑分高≠你的场景好用。

这篇不做跑分。用四个真实场景——写代码、写文章、翻译、长文摘要——每个场景同一个 prompt 丢给三个模型，对比质量、速度、成本。你直接看结果做决定。

前置条件

• Python 3.8+
• 三个模型的 API Key（DeepSeek / 千问 / 豆包）
• 命令行终端

Step 1：统一测试环境 —— 同一个 SDK，三个模型

为了避免测试环境差异，用 LiteLLM 做统一接口。三个模型都用同一个 Python 脚本调用：

pip install litellm

测试脚本 bench.py：

import litellm, time, os

# API Key 从环境变量读取
# export DEEPSEEK_API_KEY="sk-xxx"
# export DASHSCOPE_API_KEY="sk-xxx"    # 千问
# export DOUBAO_API_KEY="sk-xxx"       # 豆包

MODELS = {
    "DeepSeek V4": "deepseek/deepseek-v4-preview",
    "千问": "dashscope/qwen-plus",
    "豆包": "doubao/doubao-pro-32k",
}

def test(model_key, system_prompt, user_prompt, max_tokens=1000):
    model = MODELS[model_key]
    start = time.time()
    resp = litellm.completion(
        model=model, max_tokens=max_tokens,
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_prompt},
        ]
    )
    elapsed = time.time() - start
    content = resp.choices[0].message.content
    tokens = resp.usage.total_tokens
    return {"output": content, "time": elapsed, "tokens": tokens}

# 使用
for name in MODELS:
    result = test(name, "你是编程助手", "用Python写一个快速排序")
    print(f"{name}: {len(result['output'])}字, {result['time']:.1f}s, {result['tokens']}tokens")

Step 2：场景一 —— 写代码

Prompt：

用 Python 写一个函数 parse_log_file(filepath, pattern)，
解析日志文件，提取匹配正则 pattern 的行，返回包含行号和内容的字典列表。
要处理文件不存在、编码错误、正则语法错误三种异常。
加类型注解和 docstring。

结果对比：

结论：代码场景三者差距极小。DeepSeek V4 和千问略好（更完整的工程实践），豆包最快最便宜但细节稍弱。日常 CRUD 随意用哪个，复杂项目代码推荐 DeepSeek V4 或千问。

Step 3：场景二 —— 写文章

Prompt：

用「老七聊AI」的风格写一篇 300 字短文，主题：AI 编程工具到底提效多少？
风格要求：说人话、有真实感、敢下结论、不要"第一其次总之"。

结果对比：

结论：写作场景 DeepSeek V4 明显更好——更接近「人写的感觉」，敢下结论，不堆砌套话。千问偏正式适合商务文档。豆包偏营销风，适合广告文案但不太适合深度内容。

Step 4：场景三 —— 翻译

Prompt：

将以下英文技术文档翻译成中文。要求：术语准确、语句通顺、保留代码块和格式。

The Model Context Protocol (MCP) is an open protocol that
standardizes how applications provide context to LLMs.
Think of MCP like a USB-C port for AI applications.
Just as USB-C provides a standardized way to connect your
devices to various peripherals and accessories, MCP provides
a standardized way to connect AI models to different data
sources and tools.

结果对比：

结论：翻译场景三者都很强，差距极小。千问和 DeepSeek V4 稍好（更自然的语序）。豆包偶尔有翻译腔。日常翻译随意用哪个。

Step 5：场景四 —— 长文摘要

Prompt：给一段约 3000 字的技术文章（MCP 协议介绍），要求：

用 3 句话摘要以上文章的核心内容。每句话不超过 50 字。
然后列出文章的 3 个关键观点。

结果对比：

结论：长文摘要 DeepSeek V4 和千问旗鼓相当。豆包在长文本理解上略弱——容易丢失关键信息或总结偏题。处理长文档推荐前两者。

综合推荐

简化版选择逻辑：

你的场景是写代码或深度内容？
→ 是 → DeepSeek V4 或千问
→ 否 → 继续

你的场景是翻译或日常聊天？
→ 是 → 豆包（最快最便宜）
→ 否 → 拿你的真实任务三个模型各跑一次，选你最满意的

一个收束

这次实测最让我意外的是：三个国产模型的差距比我想象的小得多。 写代码、翻译、摘要这三个场景，DeepSeek V4 和千问几乎分不出高下。豆包在复杂任务上略弱，但速度和价格有优势。

如果你之前只用 GPT-5.5 或 Claude，切换到国产模型的阻力可能比你想象的小。花 10 分钟用本文的脚本跑一次你自己的典型任务——自己看到的结果，比任何评测都准。

最后，聊几句。

你用哪个国产模型？在什么场景下觉得特别好用或特别不好用？来评论区分享实测体验——大家的数据凑在一起，比任何官方 benchmark 都有价值。

觉得有用的话，点个转发给正在纠结「国产模型到底行不行」的朋友——这篇文章能帮他做决定。

还没关注的朋友，点上方关注。下期准备做「用 Claude Code 做自动化 Code Review」。

你目前日常用哪个模型最多？ 投票看看。