01
从零生成首页
考设计。刻意不给配色、字体、排版任何指示。
Prompt, verbatim
为一家做手冲咖啡豆的独立烘焙工作室做一个单页官网首页，包含：品牌主视觉区、三款主推豆子的介绍、烘焙流程说明、门店地址与营业时间、底部联系方式。文案你来写，中文。
MODEL SELECTION
Eight models, one prompt.
Four tasks run in sequence; the raw output is here and every step opens for you to check. No scoring, no ranking.
The short answer: use Gemini 3 Flash for new pages, then switch to Deepseek v4 Flash for follow-up edits.
Deepseek v4 FlashGLM 5.3 flashMiMo V2.5 ProGPT-5.6 LunaDeepseek v4 ProGemini 3 FlashGemini 3.7 FlashKimi k3NOT YET AVAILABLE
We picked these eight because their strengths differ: Deepseek v4 Flash is the cheapest, Gemini 3 Flash the fastest, Kimi k3 tops the design leaderboard, and GLM 5.3 flash writes the most disciplined tokens and motion.
THIRD-PARTY DATA
How others measured it
All figures below are cited from public third-party leaderboards. Creght did not run these evaluations or supply any data. Follow the heading link to verify at the source.
众包盲测投票得出的 Elo 评分，专门评测「生成网站」这一类任务，与本页场景最接近。
Kimi k31367
#1/171
Gemini 3.7 Flash1322
#9/171
GLM 5.3 flash1305
#17/171
MiMo V2.5 Pro1294
#21/171
GPT-5.6 Luna1276
#36/171
Deepseek v4 Pro1255
#45/171
Deepseek v4 Flash1227
#57/171
Gemini 3 Flash1216
#62/171
Snapshot2026-08-28
共 171 个模型参评。数据为 2026-08-28 快照，非实时。
Bars use that leaderboard's actual range（783–1364）
由 9 项评测合成的通用能力指数，衡量推理、知识、数学与代码，不代表视觉设计能力。
Kimi k360
GLM 5.3 flash57
Gemini 3.7 Flash56
Deepseek v4 Pro53
Deepseek v4 Flash52
GPT-5.6 Luna52
MiMo V2.5 Pro43
Gemini 3 Flash39
Snapshot2026-08-28
通用智力指数，与「页面好不好看」不是同一回事，看设计请看左侧一列。
Bars use that leaderboard's actual range（0–100）
THE RUNS
Four tasks, one full build cycle
02
新增详情页
考它能不能把需求拆开做，而且新页面要接得上原来那套设计。
Prompt, verbatim
在现有站点上新增「豆子详情」页，为三款豆子各生成一个详情页，首页三款豆子的卡片分别链接到对应详情页；同时在导航栏加入「豆子」入口，移动端菜单也要能进。
03
后端与登录
考编码是否严谨。会不会用平台的后端和登录，还是把数据塞在页面里假装存下来了。
Prompt, verbatim
给站点加一个「预订豆子」的功能：访客选好豆子、填写数量和手机号后提交预订，提交成功后显示预订编号。预订记录要真正存下来，不能只留在页面上——刷新或者换个浏览器打开也要还在。另外加一个「我的预订」页面，只有登录后才能看到自己提交过的预订，没登录就引导去登录。
04
SEO 与 GEO
考智力。题面不给答案，看它自己想到该做什么。
Prompt, verbatim
帮我做一下 SEO 和 GEO 优化。我希望目标客户不管是在搜索引擎里搜，还是直接问 AI 助手，都能找到我们这家店。
Now, model by model
First, one table: the credits and time each of the four steps took. From billing, not estimated. Click a model name to jump to its own section.
| Model | 1 从零生成首页 | 2 新增详情页 | 3 后端与登录 | 4 SEO 与 GEO | Four steps, total |
|---|---|---|---|---|---|
| Deepseek v4 Flash | 1.43m 52s | 1.13m 19s | 2.76m 9s | 0.82m 36s | 6.0credits15m 56s |
| GLM 5.3 flash | 1.511m 8s | 4.424m 26s | 4.415m 14s | 3.210m 43s | 13.5credits61m 31s |
| MiMo V2.5 Pro | 2.43m 51s | 5.214m 15s | 3.54m 35s | 6.111m 49s | 17.2credits34m 30s |
| GPT-5.6 Luna | 3.01m 54s | 2.21m 20s | 7.92m 53s | 6.11m 36s | 19.2credits7m 43s |
| Deepseek v4 Pro | 6.010m 20s | 6.37m 19s | 7.211m 47s | 4.88m 42s | 24.3credits38m 8s |
| Gemini 3 Flash | 9.51m 10s | 30.42m 18s | 29.91m 48s | 27.71m 51s | 97.5credits7m 7s |
| Gemini 3.7 Flash | 14.22m 38s | 25.91m 56s | 42.92m 31s | 64.23m | 147.2credits10m 5s |
| Kimi k3 | 30.34m 51s | 52.26m 53s | 46.95m 48s | 50.25m 41s | 179.6credits23m 13s |
The locked row, Kimi k3, is not yet available and sits here only as a ceiling reference. Every figure is what was actually billed at the time; multipliers change with promotions and are not rescaled here.
Deepseek v4 Flash
DeepSeek省钱最省的一档，智力到一线水平。页面成型后的后续调整交给它。
Leaderboard version note
这个模型上游有过更新，榜单条目对不齐：Design Arena 同时挂着「DeepSeek-V4-Flash」和更新的「DeepSeek-V4-Flash-0731」（后者排第 43、Elo 1260），本页取的是前者；Artificial Analysis 只收录 0731 那一版。左边这一列当参考下限看；本页的实跑产物对应的才是你实际会用到的版本。
- Design Arena, website
- 1227#57/171
- AA Intelligence Index
- 52
GLM 5.3 flash
Zhipu AI省钱最便宜的一档里做工最细：动手前先读平台规范，接口只开该开的两个。代价是慢，四道题跑了一小时。
- Design Arena, website
- 1305#17/171
- AA Intelligence Index
- 57
See the site after all four steps- Step 1
从零生成首页
1.511m 8s- 色值全部走 CSS token，页面里一个硬编码颜色都没有。
- 主动说明品牌名、地址、电话和照片都是占位，让你上线前替换。
- Step 2
新增详情页
4.424m 26s- 三个详情页共用一个模板，数据单独抽了一层，三页标题各写各的。
- 主动说明「豆子」入口指向首页豆单区，没有另建独立列表页。
- Step 3
后端与登录
4.415m 14s- 访客能直接提交，只有「我的预订」要登录，分工和题面一致。
- 未登录直接调后端会被挡回来，返回内容里也不带手机号。
- Step 4
SEO 与 GEO
3.210m 43s- robots、站点地图、给 AI 读的摘要三样都写了，「我的预订」页两处都排除在外。
- 给 AI 读的摘要从 704 字节扩到 2253，把豆单做成了可直接引用的表格。
MiMo V2.5 Pro
小米高性能设计能力第一梯队，Design Arena 网站生成榜排第 21；四道题跑了 34 分半，八个里第三慢。
- Design Arena, website
- 1294#21/171
- AA Intelligence Index
- 43
GPT-5.6 Luna
OpenAI高性能四道题里有两道跑出全场最快（新增详情页 80 秒、SEO 96 秒）；遇到会影响用户流程的取舍，它会先问一句再动手。
- Design Arena, website
- 1276#36/171
- AA Intelligence Index
- 52
Deepseek v4 Pro
DeepSeek高性能把 robots、站点地图、给 AI 读的摘要三样都写了，八个里只有三个做到。慢，四道题跑了 38 分钟。
Leaderboard version note
正式版 2026-08-13 才发布，两个榜单还没对齐：Artificial Analysis 收录的是当天的「DeepSeek V4 Pro 0813」，Design Arena 的条目没有版本标识、很可能仍是更早的预览版。左边这一列当参考下限看。
- Design Arena, website
- 1255#45/171
- AA Intelligence Index
- 53
See the site after all four steps- Step 1
从零生成首页
6.010m 20s- 整页没用一张图片，靠字体、色块和一枚会转的印章撑起来。
- 10 分 20 秒才出第一版，八个里第二慢。
- Step 2
新增详情页
6.37m 19s- 三个详情页各有各的标题，还顺手建了一个豆单列表页。
- 交付前自己去线上把新页面打开核对了一遍。
- Step 3
后端与登录
7.211m 47s- 预订记录存在服务端，未登录直接调后端会被挡回来。
- 它把提交预订也设成了要先登录，并主动把这个改动拎出来问你要不要。
- Step 4
SEO 与 GEO
4.88m 42s- 和 Gemini 3.7 Flash 是仅有的两个把 robots、站点地图、给 AI 读的摘要都写全的。
- 首页多了一块看得见的常见问答，网址用的是站点真实域名。
Gemini 3 Flash
Google价格基准设计稳定、有个性，做新页面的首选。其余模型的花费都以它为参照。
- Design Arena, website
- 1216#62/171
- AA Intelligence Index
- 39
Gemini 3.7 Flash
Google高性能第三方设计榜上八个里排第二（Website 榜 #9）。信息密度和收尾最完整，代价是比基准档贵一半。
- Design Arena, website
- 1322#9/171
- AA Intelligence Index
- 56
See the site after all four steps- Step 1
从零生成首页
14.22m 38s- 信息密度最高的一版：每支豆子带风味评分条，还多做了一整块冲煮指南。
- 配色全靠硬编码，页面里散着 107 个色值，换品牌色要改几百处。
- Step 2
新增详情页
25.91m 56s- 四步里唯一比基准档又快又便宜的一步。
- 五个页面共用同一个标题，没分开写；这一项要到第 4 步才补上。
- Step 3
后端与登录
42.92m 31s- 分对了「谁需要登录」：访客能提交，只有「我的预订」要登录，八个里只有三个做到。
- 但它多做的「凭编号查单」接口没做登录校验，上线前要补。
- Step 4
SEO 与 GEO
64.23m- 和 Deepseek v4 Pro 一样把 robots、站点地图、给 AI 读的摘要三样都写了。
- 但补出来的页面标题里品牌名重复了两遍，六个页面全中；这一步也是全场最贵的一步。
Kimi k3
月之暗面标杆This model is not yet availableDesign Arena 网站生成榜第 1，也是这里最贵的一档——同样四道题它花掉 179.6 积分，榜单方自己记录的平均生成耗时 627.9s。
暂未对外开放，放在这里只作天花板参照：它在 Design Arena 网站生成榜上排第 1，四步的产物都能点开，跟开放档位对着看。
- Design Arena, website
- 1367#1/171
- AA Intelligence Index
- 60
See the site after all four steps- Step 1
从零生成首页
30.34m 51s- 豆单给到产地、海拔、处理法、冲煮参数，还标了价格。
- 会主动检查配图链接能不能打开，八个里只有两个这么做。
- Step 2
新增详情页
52.26m 53s- 交付前真的自己打开页面看了一遍，顺手修掉一处显示重复。
- 这一步八个里最贵；三个页面的标题还是首页那一个。
- Step 3
后端与登录
46.95m 48s- 分对了「谁需要登录」：访客能提交，只有「我的预订」要登录，八个里只有三个做到。
- 表单细节最多：备注、单笔上限、实时合计、写明取豆时门店付款。
- Step 4
SEO 与 GEO
50.25m 41s- 把给 AI 读的站点摘要从 12 行链接改写成 33 行分组事实。
- 收尾自己去线上抓文件核对，确认机制真的生效了。
The link points to that step's version snapshot and does not change as the site is edited later
SUMMARY
Four things worth doing
- 01
New pages on the base tier, follow-up edits on the cheapest
Give Gemini 3 Flash the from-scratch build and the new pages, then switch to Deepseek v4 Flash once the design has settled — on the same four tasks the latter spent about one sixteenth of what Gemini did.
- 02
The gap is widest when starting from nothing
One identical brief, seven outputs with almost nothing in common in colour, type or layout. This is the step worth judging with your own eye.
- 03
Just ask for ordering and sign-in
No separate developer needed. In this run every model wired up the platform's auth and backend, and records really persist server-side — refresh, switch browsers, switch machines, still there. Easy check: submit, then reload and see if it survived.
- 04
Have it do SEO and GEO too
One sentence is enough. Sitemap and robots.txt come with the platform; what the AI adds is structured data and an FAQ — exactly what an assistant quotes when someone asks it which local shop to trust.
Still not sure which to pick?
Every open tier here is selectable in Creght right now — running one yourself is the fastest answer. For finer guidance by task type, plus tips on saving credits, see the docs.