看到了一有意思的網站，就是下面這個滿屏奇奇怪怪的表。

這些表都是大模型實時生成的，每分鐘生成一次。

當你打開這個網站 https://clocks.brianmoore.com/ 的時候，看到的結果肯定和我截的這張圖是不一樣的了。

圖片

我觀察了幾次生成的結果，發現其中的 Gemini2.5、 GROK 4、DeepSeek V3.1 和 Kimi k2 的成功率還是挺高的，其他模型基本沒有成功過，包括 GPT-5。

當我寫下這行的時候，我再打開看的時候，GPT-5 變成了下面這個樣子。

圖片

GPT-5 明明能力很強，但是卻連一塊兒表都完成不了，可見任何一個大模型都有短板。

提示詞和token相關性

前兩天 Gemini 3 剛發布的時候，我用 Gemini 3 復刻過一個時鐘，一次成功，而且還原率非常高，按道理這應該不算什么復雜的需求啊。

下面是我在 Gemini 3中做的一個時鐘，效果OK，功能正常。

圖片

同樣的提示詞，我又在 ChatGPT、DeepSeek剛發布的 V3.2、Claude Sonnet 4.5、Kimi 、Qwen 3 Max 中試了一下。

Claude Sonnet 4.5 的效果。

圖片

ChatGPT 效果，當然了，我不是會員，這個是什么版本我不太確定，可能是 4o，但是GPT 確實不太擅長做表。

圖片

Kimi k2 效果，雖然能工作，樣式也過得去，但是復刻肯定達不到，連數字都改了。

圖片

Qwen3-Max 效果，有點差強人意啊。

圖片

DeepSeek 不是剛升級到 v3.2嗎，我看測評分數很高，但是我測了兩遍，效果還是不太好，難道網頁版是降智慧了的？

圖片

以上是在有參考圖的前提下，并且沒有要求 token 數量，可以說是開卷考試了。

經過以上測試，Gemini 3 和 Claude Sonnet 4.5 可以說是不分伯仲，Kimi k2 、 DeepSeek、ChatGPT 勉強完成，而 Qwen-3 沒有完成。

但剛才說到的那個網站的提示詞是公開的，它限制每個模型只允許2000 token以內。

Create HTML/CSS of an analog clock showing ${time}. Include numbers (or numerals) if you wish, and have a CSS animated second hand. Make it responsive and use a white background. Return ONLY the HTML/CSS code with no markdown formatting.

圖片

于是我又測了一遍。

Gemini 3 的效果，可以說是近乎完美。

圖片

Claude Sonnet 4.5 的效果，基本功能有，但是樣式差點以上，還有上面12刻度的位置有點兒減分。

圖片

DeepSeek v3.2 的效果，和 Claude Sonnet 4.5 差不多，為什么12癲刻度都是這樣子呢？

圖片

Kimi k2 的效果，不太樂觀。

圖片

Qwen3-Max 就一言難盡了，它不僅不能直接輸出頁面預覽了，而且我讓他給我源碼，它都給不了，可惜，我沒有API，不過，這網頁版的交互也多少差點意思吧。

圖片

用不加參考圖的提示詞，Gemini 3 仍然最好的，Qwen3最差。