拿真项目改页面交互:Codex 垫底,Gemini 4 很猛,但 Opus 5.5 还是神

简介: 拿自己的 iOS 项目「快量房」实测 Claude Opus 5.5、Gemini 4 Hydrogen/Carbon 与 Codex 改连续扫描页面交互:Gemini 4 降噪很猛,但状态机排雷 Opus 5.5 还是神。

这两天一直在打磨我自己上架在 App Store 的一款小工具「快量房」。

起因是身边做全屋定制的朋友提过一嘴:去现场和客户沟通时,光靠嘴说或者低头手画草图,客户很难马上想象出空间大概长什么样。我就顺手做了这个工具,拿手机在屋里走一圈,很快就能生成一张立体场景图和户型图,方便现场先给客户看个直观效果,顺带记下尺寸。

基础功能跑通之后,我一直在抠连续扫多个房间时的交互体验。前两天找了个多空间场地连扫了一遍,顺手截下从“起扫 → 扫描中 → 单间保存 → 跨空间重定位 → 二维户型结果”的 5 张连续实机画面:

快量房连续扫描与结果页 5 步实机画面

大空间里估算面积偏大的问题先单独放一边,单看这 5 张图串起来的交互,我自己用着都觉得挺别扭:

明明第 3 张只扫出 0.3 m² 的残缺小块,照样给绿勾劝人去扫下一间;等走到门口后台相机休眠了,第 4 张又反口叫人回原房间,点错高亮按钮还会变成单独新建、跟前面拼不到一块去;到了最后的结果页,二十多个墙号把整张户型图糊得严严实实。

因为改复杂页面不能上来就瞎改代码,我习惯先让模型结合代码把交互问题理一遍、出个示意图给我做 review,确认方案靠谱了再动手。

于是本地挂着项目代码,我把这 5 张原图和同一句口述提示词,分别丢给了 Claude Opus 5.5(Max 档)、Gemini 4 Hydrogen(XHigh 极高档)、Gemini 4 Carbon(High 档) 和 Codex(GPT-6 Astra,Max 档)——四家基本都拉到了客户端里各自能选的最高思考档位(Carbon 目前最高就是 High 档)。

原本以为这几款跑分咬得很紧的模型,读完同一份源码给出来的方案应该大差不差。结果摆在一起看还挺意外的:

单看页面降噪和出对比图,单价最便宜的小杯 Hydrogen 和自家大哥 Carbon 确实很猛;但涉及到深层逻辑排雷,4 个顶配模型里有 3 个都没发现“点重试会拆散房间”的隐藏 Bug,全场只有 Opus 5.5 顺着代码揪了出来——测完不得不服,遇到复杂交互和状态机,Opus 5.5 还是神。

1. Claude Opus 5.5(Max):状态机挖得最深,唯一揪出真 Bug 的选手

测 Claude 时还有个小插曲。一开始窗口默认挂在轻量档 Sonnet 5.5 上,它为了省工具调用步数根本没翻代码,纯看截图给过“删掉右下角 3D 白模”这种误判。

等我切到 Claude Opus 5.5(Max 档) 让它重跑、读完源码之后,前 4 页扫描和重定位流程直接拿出了全场最扎实的一版:

Claude Opus 5.5 结合源码输出的优化示意

最让我服气的是,另外三家都只盯着重定位页面上的提示语改,只有 Opus 5.5 顺着按钮背后的代码逻辑往下查,真揪出了那个隐藏漏洞:

20 秒定位超时之后,用户点下按钮上的「重试当前操作」,在“扫下一间”这个场景下居然压根没去重新衔接,直接当成孤立的新房间开扫了。表面叫重试,实际悄悄把房间拆散了,用户扫完发现拼不起来也摸不着头脑。

它还翻出项目里其实早就判断好了“识别不清、没扫完整”这类异常状态,只是保存页一直没拿出来提示,稍微接一下就能把 0.3 m² 这种半成品拦在离开现场前;顺手还提醒我跨房间衔接这一步漏了数据统计。

要挑毛病的话,它对最后一张满屏墙号遮挡改得偏保守,没建议默认收起;另外想在右下角 3D 小模型旁边贴个悬浮标签,没注意到那块实时预览窗拿不到具体位置,真按它画的做很容易错位。

2. Gemini 4 Hydrogen(XHigh):页面减负抓得最细,前后对比图最省心

Gemini 4 Hydrogen 开的是极高档(XHigh),一上来就翻了二十多个文件,甚至主动比对出“截图之后我本地其实刚改掉了两处未提交改动”,只针对剩下的问题提建议。

单看页面降噪和前后对比图的直观程度,它是四家里看着最舒服的:

Gemini 4 Hydrogen 生成的图 1 至图 4 采集流程优化示意

Gemini 4 Hydrogen 生成的残缺拦截与二维户型去噪对比

尤其是第 5 张二维户型结果页,除了多空间总览默认收起满屏墙号,它还顺着页面代码抠出了两处我自己平时看习惯了没察觉的噪音:一是墙体两头多余的 A/B 端点字母,二是底部单墙浮卡右上角放错位置的全局单位切换胶囊 [m ⌄]。第 3 张识别未闭合时,它也直接改用琥珀色预警,把主按钮翻转成「重扫本间(推荐)」。

不过它在第一张汇总图的图 4 右上角画了个“带黄线标出上一间门口”的缩略图——两间房还没衔接上前,程序根本不知道画面里哪块是上一间的门框,这处属于做不出来的视觉脑补。

3. Gemini 4 Carbon(High):最懂国内装修常识,交叉挑刺也稳

Gemini 4 Carbon 我开的是 High 档,它直接生成了一套能点着试手感的 5 页 HTML 画板(下图截取自最核心的第 3 页和第 5 页):

Gemini 4 Carbon 交互原型重点页:快捷改名胶囊与去 M 墙号对比

它抓出了两个另外三家完全没提到的真实业务细节。

第一个是墙号命名。我原来把两间房合并后的共墙标成了 M8 / M14(随手取了英文 Merged 的首字母)。只有 Carbon 提醒我:用「快量房」的不少是自装业主和独立设计师,在国内家装和 CAD 图纸习惯里,M 默认代表“门”,标在墙上第一眼全会当成“8 号门”。看到这一条的时候我才反应过来,之前确实写顺手犯了程序员思维。

第二个是单手改名。站在毛坯房里单手举着手机,弹全键盘打字本身就慢,一拖延还容易超时断连。它建议直接给一排 客厅 / 主卧 / 厨房 胶囊,大拇指点一下 1 秒改完。后面我拿它去交叉审其他三家方案时,看着好看但实际做不出来的点,基本也是它帮我拦下来的。

4. Codex(GPT-6 Astra · Max):严守苹果规范,但做交互 review 差点意思

Codex 这边挂的是 GPT-6 Astra 的 Max 思考档位,除了看本地代码,它还主动去对了一遍苹果官方的交互规范,做了一个单手机多状态切换页:

OpenAI Codex 概念线框示意:4 个核心状态展开视图

它的工程边界抓得很稳。别家都在讨论怎么拦截残缺扫描时,只有它提醒了一句“不能简单规定必须扫满 4 面墙”——遇到走廊、异形空间,或者只想单独扫一面墙时,现场本来就没有四面墙。退出时的保存/放弃操作表,以及先点「扫下一间」进实时相机画面再引导对准门框的顺序,也都梳理得很规矩。

但吃亏的地方对比上面三张图一眼就能看出来:改这种复杂流程,本来就需要先看示意图把交互问题 review 清楚再改代码;Codex 画的概念线框实在太素了,根本没还原出原图满屏墙号糊脸的反差,本土交互体感也弱一些,单在这个场景下确实垫底了。

纯看“聪明程度”和算上账单,日常分别怎么用?

为了不让 API 便宜或昂贵掩盖模型本身的水平,这次打分我先把价格放一边,只看各家读完源码后的逻辑深度、页面直觉和沟通效率(满分 10 分),再把 API 账单和日常分工单独列在下面对照:

4 款模型改真实代码页面:聪明度打分与账单分工

最终排出来的身位很清晰——Opus 5.5(9.3)独占第一,Gemini 4 两兄弟(9.2 / 9.1)紧咬其后,Codex(8.6)垫底:

  • Claude Opus 5.5(本次开 Max 档;API 约 $4 输入 / $20 输出每百万 Token):虽然我前两天刚夸过 Carbon 综合跑分高,但真落到复杂状态机排雷,Opus 5.5 还是神,像这次的超时假重试漏洞全场只有它揪了出来。就是 Ultra 会员里 Claude 的额度不算宽裕,开 Max 档更吃额度,平时我主要留着它审最核心的状态逻辑。顺便提个细节:如果切到轻量档 Sonnet 5.5($2 / $10),因为它很爱省工具步数,发截图问交互时最好顺嘴补半句“先核对相关代码”,免得它偷懒跳过读源码。
  • Gemini 4 Hydrogen & Carbon(分别开 XHigh 与 High 档;$2~$4 输入 / $10~$20 输出,全系 100 万上下文):两兄弟在页面优化上确实很猛。尤其是定位轻快的小杯 Hydrogen,拉满到 XHigh 出前后对比图又快又直观,拿到了 9.2 的高分,非常适合高频跑 UI 改版底稿;大哥 Carbon 目前还在半价窗口期,强在本土业务直觉和大范围交叉挑刺。
  • Codex(GPT-6 Astra)(本次开 Max 档;$10 输入 / $50 输出):看代码逻辑其实拿了 9.2 分(仅次于 Opus),掉到 8.6 垫底主要输在交互表达上。因为改页面本来就得先 review 明白方案再动代码,这个环节它确实差点意思;加上 API 价格是前两家旗舰的 2.5 倍,我更愿意留着它去啃纯底层的硬核重构。

最后

改我自己工程代码的时候,我就没做单选题,干脆把四家最强的那一块拼在了一起:

前 4 页扫描与重定位流程照着 Opus 5.5 + Codex 改,顺手加上了 Carbon 的一键改名胶囊;第 5 页二维户型图去噪照着 Hydrogen + Carbon 改,把容易看成“门”的 M 墙号也一并干掉了。这版合体改完的新流程,已经打包进「快量房」1.2.0 提交 App Store 审核了;等这一版过审,再去啃前面挂起的大空间面积估算问题。

测完这一轮我自己的体感是:日常跑页面底稿,便宜的 Gemini 4 Hydrogen 拉满已经相当能打;但真遇到复杂的状态逻辑,目前还得靠 Opus 5.5 兜底,Codex 则留给纯底层重构。

你们平时拿 AI 改真实项目的页面交互,也是先让它出图 review 一遍再改代码吗?现在主力留的是哪一款,欢迎聊聊各自的体感。

我是良逍,平时主要记录自己实测过的 AI 工具、独立开发踩坑和产品上线的过程。
拿自己的 iOS 项目「快量房」实测 Claude Opus 5.5、Gemini 4 Hydrogen/Carbon 与 Codex 改连续扫描页面交互:Gemini 4 降噪很猛,但状态机排雷 Opus 5.5 还是神。

相关文章
|
18天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
8199 58
|
3天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
1571 1
|
6天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
19天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
5748 69
|
6天前
|
云安全 人工智能 安全
|
13天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
2977 9
|
6天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
3天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
2513 0
|
11天前
|
人工智能 安全 API
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(dsh)是DeepSeek AI于2026年开源的轻量级Agent运行框架,基于Cordis内核,践行“一切皆插件”理念。支持Web/桌面双端,开箱即用;内置多模型接入、丰富插件生态(超3.5万),适配编程、办公、创作等场景。(239字)
1896 1