實測筆記：哪個 LLM 更適合驅動這條流程 — 以及 Vibe-IC 為何預設 Claude

讓我停下來查證的那則新聞

今天有一則被大量轉傳的報導，說 Kimi K3「在 48 小時內完成了一顆晶片設計」。差不多同一時間，Cadence 與 Synopsys 股價一度下跌約 9%——那是市場的一種反應，不是對這些工具下的量測判決。我先講清楚：那個「48 小時」的說法我沒有查證，也不替它背書。我也把話說白：早在今天這則宣布之前，我自己就一直在打造一條 AI-native、end-to-end 的 IC 設計流程，所以這則新聞並不是我的起跑槍——它只是把一個我本來就在意的問題推上了聚光燈，而這是好事。今天一條 AI 驅動的流程，究竟能把一顆晶片推到多遠？對於一個安靜耕耘這個題目好幾個月的領域來說，它被推到陽光下，是值得歡迎的。

我的誠實立場：我真的在用 Kimi

我不想站在場邊評論，所以先把牌掀開：大約三個禮拜前——遠早於這一切 IC 設計的新聞——我就已經把 Kimi 納為第二個 LLM 來源，訂了 Kimi Code，把真實的工作丟進去跑，不是玩具題目。所以這篇不是對今天那條標題的反應，而是我這一路上本來就得到的觀察；今天的宣布，只是讓我把它寫下來的契機。

有一個但書我只講一次、而且是認真的：這只是一個人、一個專案、幾週的經驗——是一個快照，不是定論，下一季再比一次讀起來可能就不一樣。另外有兩件事我先釘住、免得含糊。Kimi 這邊：我親手用的是 Kimi Code，下面那個 benchmark 數字比的是 Kimi K3。Claude 這邊：幾乎所有日常的工作——寫 code、跑流程——我都是用 Opus 4.8 完成的，Fable 5 我只在跑 benchmark 才動用。所以下面談日常使用時，「Claude」指的是 Opus 4.8；引用 benchmark 時，指的是 Fable 5。

我在日常使用中觀察到的

有兩件事特別明顯。

Token 經濟性。我沒有做受控的 token 量測，所以請把這當成親身經驗、而非一個數字：在相近的任務上，Kimi 把我的額度燒得明顯比 Claude 快。

產出品質，RTL、文字、影片都是。最具體的例子就是這個部落格本身：第一版——在 Kimi 上起草的大約 15 篇——沒有過我的標準，於是我請 Claude 重寫，就成了你現在看到的這系列。這不是「Kimi 不會寫」，而是在我的題材、我的標準下，Claude 跨過了一道 Kimi 沒跨過的門檻——在真正的 RTL 工作上也是一樣。影片也是。我自己做的那些教學影片、還有 User Guide 這類引導影片，就穩定度而言 Claude 明顯穩得多；我用 Kimi 試過幾次，最後都還是改回 Claude 來做。

要拿出比我個人手感更客觀的依據，就看 Vibe-IC 的 驗證頁（Evaluation）——獨立的盲測，每一題都由該 benchmark 官方上游的 testbench 評分，並可在 vibeic-bench repo 中重現。那裡的讀數和我親手感受到的一致：在 VerilogEval-v2 上，我為 RTL 作者跑的那個 Claude 模型 Fable 5 拿到 98.08%（153/156），Kimi K3 為 94.23%（147/156）——單次跑分、領先約四分。兩者在組合邏輯與單暫存器題目上接近平手；差距是在困難的多狀態 FSM 深度上被拉開的，那正是「作者模型」必須挑大樑的地方。這個分解比標題數字更重要，也是下一段的樞紐。

但這裡要補一個對 Kimi 公道的更新，而且它推翻了我原本的結論。上面那組數字是單次跑分（pass@1）——一次作答、不給重試。我後來照 Vibe-IC 實際運作的方式重跑了一次：程式先行、失敗的地方閉環修回來，全程仍是盲測。結果 Kimi K3 在 VerilogEval-v2 拿到 154/156 = 98.72%，而且每一次修復都只靠讀題推理，沒有查任何外部資料。

要講清楚的是，這和 Claude 那個 153/156 不能直接對打——一個是單次、一個是多輪；要公平比，得給 Claude 同樣的輪數再跑一次，而我還沒跑。所以正確的讀法不是「Kimi 贏了」，而是：在這條流程上，Kimi K3 能到達的高度至少不輸 Claude。我原本寫的那句「我能量測到的最強 RTL 作者是 Fable 5」，就目前的證據已經撐不住了。那幾分的差距是「第一次就答對」的差距，不是「做不做得到」的差距。

這次重跑的計分產物已歸檔在 benchmark-data/evaluation/verilogeval_v2/run_kimi_k3_multiround_20260720/，和站上其他數字一樣可以自己查。

外掛為何預設 Claude，卻仍保持可換模型

Vibe-IC 是 program-first、AI-backup：由固定寫死的程式扛起主要工作，LLM 只在程式明確跳過（waive）的段落補位。正因為是這種架構，好幾個有能力的 LLM 都能驅動這條流程——它並不被綁死在單一供應商上；Claude、GLM、Kimi 都可選。

那為什麼預設還是 Claude？有了上面那個更新之後，理由變窄了，也更誠實：不是因為 Kimi 做不到，而是第一次就答對的機率，加上我親身感受到的 token 消耗。一次到位意味著更少的閉環輪數、更少的等待、更少的花費——在一條要跑幾十個步驟的流程裡，這個差別會被放大。我能量測到單次最強的 RTL 作者是 Fable 5；而真正把 Vibe-IC 幾乎所有日常工作做出來的，是 Opus 4.8。但「預設」就只是預設：天花板既然相同，換成 Kimi 一樣做得完——這也正是這個架構從一開始就保持可換模型的原因。一旦有另一個模型在這條軸線上量測得更強，我不必重寫架構就能換掉預設。

關於 Kimi 的兩個公道區分

把比較寫成一篇「攻擊文」很容易，而我無意如此。兩個區分，我當成原則來講，而不是對我看不到的東西下判決。

「宣布」不等於「開源」。Kimi 宣布了成果，但據我所知並未把背後的流程開源。這對一家公司來說是很正常的位置；我只是點出，一則宣布和一份可重現的成品，是不同的東西。

「一次到底的展示」不等於「產品級的流程」。任何單次、end-to-end 的展示——不管做得多精緻——都和一條可重現、有 benchmark、完全開放的流程是不同的物件，而後者正是 Vibe-IC 想成為的樣子。我講的是這個一般性的區分，並不是在替 Kimi 那個我沒看過的具體成果打分數。它們只是用不同的尺在量，而我寧可講得精確，也不想輕蔑帶過。

談一下資本市場的反應

這則新聞牽動了一些股價。把它讀成「EDA 工具受傷了」，未免太快：sign-off 終究是在那些工具裡完成的，而把設計的門檻降低，往往會讓需要簽核的晶片變多、而不是變少——EDA 和一條 AI 驅動的流程可以共榮，而不是互相抵銷。

而且真正受影響的，也許主要並不是 EDA 廠商。更尖銳的問題，是一條 end-to-end、AI 驅動的流程會對 IC 設計業本身帶來什麼——特別是那些原本正準備要投入 ASIC 的公司。是更好還是更壞？那是市場自己去解讀的事，不是我——我只回報我看到的，並刻意不去預測它會走向哪裡。

說清楚：這篇不是在反商用 EDA

有一件事我絕不希望這篇文章被誤讀。商用 EDA——Cadence、Synopsys——仍然是黃金標準，句號；Vibe-IC 存在的目的是與它共存，不是打敗它，我也不把一次股價的震盪解讀成對這些工具的判決。這個論點更深入的版本，我寫在開放與商用共存那篇裡。這篇談的很窄，就是 LLM——當下哪個模型最能驅動這條流程——對 EDA 工具本身沒有下任何結論。

一封公開邀請——給每一個模型

而這件事從來就不只關於 Kimi。這個生態歡迎每一個 LLM——GLM、Kimi、還有那些還沒發表的。這份歡迎是具體的：如果任何人日後的成果——包含 Kimi——願意引用、或直接接上 Vibe-IC 的外掛與這套 forked EDA 工具，門是開的，毫無保留。而如果某個模型做出來的東西，比我目前公佈的還要更超前，那是好事，不是威脅——這是互相砥礪，不是零和。我真正在意的，是這個 end-to-end 的想法——一套完整的設計文件直接變成矽晶片、中間沒有任何交接——能夠在真正的產業裡落實，真正改變晶片被設計出來的方式。在這件事上，大家做的是同一道開放的題。

誠實地作結

所以這些是實測筆記，不是定論——一個專案、一雙手、幾週的快照。模型會往前走；等它走了，誠實的作法就是跟著走、並在這裡說出來。我寧可下一季修訂這篇，也不願今天把它講過頭。而如果我把證據讀錯了，請告訴我——一個開放的 bench，就是為此而存在。

而這個系列，收在下一篇、也是最後一篇——我想退一步，聊聊這一切最終指向的那個世界：一套完整的設計文件直達 silicon、中間不再需要人為交接，以及，如果你願意，我們怎麼一起把它做出來。

延伸閱讀：RTL 作者能力比較背後的數字在驗證頁（Evaluation）；至於為什麼「開放」與「商用」是夥伴而非對手，請看開放與商用共存。