项目里有个虚拟键盘，不是web那套，纯原生。我截了张参考图给它，说照这个布局、这个配色、这个大小改。
然后就开始了。sol max，改得一塌糊涂。降到sol high，还是一塌糊涂。换luna max，依然一塌糊涂。三个档轮着来，没一个能看的，布局全是散的，配色也对不上。
最后换opus 4.8开xhigh，一遍过。
我不太确定这是模型能力的差距，还是训练里见的东西不一样。写web界面的时候大家半斤八两，一到非web的原生UI，差距就出来了——网上那类代码本来就少，可能就是喂得不够。
所以别看benchmark，看你自己那个技术栈。