上周我给家里 4 岁宝宝搭了一个识字启蒙工作台。需求非常简单：每天学 5 个字，象形字卡片能点翻转、能做组词练习、有闯关积分。一个纯 HTML 文件，离线可用。同一个任务，同样是 WorkBuddy，我用了两个不同的底层模型分别跑了一遍。结果差别大到让我重新理解了「模型选对了等于少干一半活」这句话。先给结论：HY3（混元3）耗时约 15 分钟，产出一个看代码没毛病、实际根本跑不起来的白屏页面——而且它从头到尾都在建议我「部署」而不是修复 bug。切到 DS4（DeepSeek 4）后，从接到「无法访问」反馈到定位根因、修复、验证全流程通过，不到 5 分钟。这篇文章把整件事拆开讲：同一个 bug 到底是什么、为什么 HY3 绕了三圈找不到、DS4 做了什么不一样的事、以及这对你用 WB 时选模型的启发。一、先还原现场——同一个任务、同一套规范、同一个 bug任务很简单：搭一个单文件 HTML 工作台。WorkBuddy 里有个角色叫「工作台搭建师」，内置了一套 8 条铁律——单文件零依赖、localStorage 持久化、首屏必须有备份按钮、按钮最小 50px 等等。