Netlify 發表部落格文章，透過其 AI Gateway 測試了包括 Kimi K3、GLM 5.2 和 DeepSeek V4 在內的 11 款 AI 模型。測試任務是讓這些模型根據相同的單一提示，為一家簡單的咖啡廳生成網站程式碼。

結果顯示，各模型在輸出品質、設計美學以及行動裝置響應式設計方面存在顯著差異。這項比較為開發者提供了實用見解，顯示提示的精確度和模型選擇會顯著影響最終產品，並強調在嚴肅的開發工作中，採用行動優先設計和詳細指示的重要性。

事件背景

大型語言模型（LLM）本質上是機率性機器，這意味著即使輸入相同，其輸出結果也可能有所不同。提示工程（Prompt Engineering）涉及設計特定的指示來引導這些模型達成預期的結果，這在對精確度要求較高的程式碼生成任務中尤為重要。

社群觀察

社群成員就單一提示評估的意義展開討論。部分人認為，對於嚴肅的開發工作，詳細的逐步指示比一次性提示能產生更好的結果。其他人則強調行動裝置響應式設計的重要性，指出某些生成的設計在適應小螢幕時表現不佳，例如螢幕空間使用效率低落。