我们刚刚与OpenRouter建立了合作关系，这使我们能够提供两个新功能：首先，您的项目可以通过我们的AI网关使用OpenRouter上的任何模型。这意味着，如果您的Web应用程序为最终用户提供基于AI推理的功能，那么现在您可以选择更多符合任何任务和预算的模型。其次，我们扩展了可通过Agent Runners使用的前沿编码模型的选择。Agent Runners是您在Netlify中获取的聊天提示框，它使您可以从头开始构建新项目或对现有项目进行迭代。现在可选择的模型包括备受关注的最新开放模型，如Kimi K3、GLM 5.2和DeepSeek V4，所有人均可使用。我们之所以称之为Agent Runners，是因为我们在其中运行一个完整的编码代理，而不是一个简化版。到目前为止，我们已支持Claude Agent、OpenAI Codex和Gemini CLI，这些模型经过优化，可以运行来自这些提供商的模型。我们为这些代理提供额外的技能和有关当前项目的上下文，以便代理确切知道哪些Netlify功能可用（例如，Netlify数据库、AI网关或身份验证），何时使用它们，以及如何使用它们。但为了有效地驱动各种新模型，我们新增了受欢迎的开源OpenCode作为新的代理选择。但随着选择的增加，必然会有问题：我怎么知道哪个模型适合我？我是否错过了某些实际上更好或者更具成本效益（让我可以用我的积分做更多）的东西，或者是否有会让我大开眼界的模型，就像互联网说的那样？如今，关于此的FOMO（害怕错过）非常普遍。为了给您一些见解，以下是我们在多种模型上运行相同提示时所学到的……这些模型现在都可以在Netlify上供您使用。您可以在我们创建的这个网站上看到我们测试的所有模型的结果，并查看完整报告。我们测试了什么在Netlify内部，我们使用AXIS来自动评估模型，这是我们最近开源的工具。我们为AXIS提供了多种测试案例：构建新网站的提示，然后对其进行迭代。我们指示AXIS测试这些提示的代理和模型，并定义AXIS应执行的检查，这些检查将作为分数来评估生成的网站。这些检查主要集中在生成网站的正确功能上，而不是其设计，例如：在用户需求时是否使用了数据库？在这种情况下，是否正确使用了Netlify数据库？在某些简单静态网站即可满足需求的情况下，我们还确保生成的网站不会过度设计，而不设置任何数据库。如果某个模型在测试分数上落后，我们将不在Agent Runners中提供该模型。如果模型太频繁地未能正确应用我们的某项技能，或者事物确实有效但积分成本似乎被夸大，那么问题可能出在该技能上（在这种情况下我们会优化该技能）。但是这一次，我们希望为您提供一些更立即有用的信息：当您使用不同模型构建梦想时，每个模型的积分消耗差异巨大，您会得到什么？结果是什么样的？我们测试了三个相对简单的用例：一个本地咖啡店的网站。LLMs非常喜欢为本地咖啡店制作网站！初始提示很简单，一个没有花哨数据库或类似的静态网站即可满足需求。然后我们做了一个后续提示，要求提供一个简单的预定座位选项，并检查模型如何处理这个请求。一个简单的待办事项Web应用程序，多个用户可以查看和添加任务。这要求设计简单，但从一开始就需要一个共享数据库。然后我们请求支持每个项目的可选照片上传，并检查模型是否使用了适当的Netlify原语。一个“我可以做什么”的Web应用程序，用户可以输入他们家中有哪些成分，并使用AI建议菜谱。该网站本身非常简单，但我们希望检查生成的网站是否正确使用我们的AI网关为用户生成菜谱。对于这些案例，我们将展示生成网站的外观，评论显著问题，并比较每个生成所消耗的积分数量。当然，这将是一个比我们的内部测试套件更为主观的测试，但这也将是一个非常有趣的测试。我们希望知道您对结果的看法！所有模型均在Netlify上以默认设置运行。一个值得特别提及的点是，我们目前在低努力模式下专门运行GPT 5.6 Sol，默认情况下为您提供一种比Opus更经济的替代方案，同时仍能提供相当不错的结果（如您将在下面看到的那样）。然而，努力设置现在由您控制，我们的默认设置可能会随着时间的推移而变化。此帖子将只涵盖第一个场景：咖啡店的静态页面，而后续帖子将专注于超越这一简单用例。即使对于这个简单案例，还有很多内容需要回顾，因此让我们开始吧。场景 #1：