我刚刚做了一个测试，用同一中文指令让AI做简单程序（从polymarket找相应提问的预测值），然后用Claude 4.6、Codex、GLM4.6、Kimi、Deepseek3.2、Qwen这几个常用的中美Vibe工具测试。结果是Claude、GLM4.6不合格，无法提取结果，其他4个都完成了任务。所以我毫不犹豫退订了没完成任务的AI。