AI 写同一个宝可梦应用 12 遍:最便宜的不是 React,跑得最快的几乎没 JS
Nolan Lawson 让 Opus 5.5 把同一个宝可梦应用用 12 个框架各写 5 遍,按美元、token、时间和 Lighthouse 成绩算账:Astro 几乎零 JS、Hono+htmx 最便宜,Angular 贵了一倍还最慢。选框架这件事,终于有了一张可以算的账单。

10 月 28 日,Hacker News 首页飘上来一篇标题很朴素的帖子:《The AI cost of JavaScript frameworks》。作者 Nolan Lawson 是前端性能圈的老面孔,写过不少拿数据说话的文章。这次他干了一件很"疯"的事:让 Claude Opus 5.5 把同一个宝可梦应用——基于 PokéAPI 的列表、搜索、筛选——用 12 个 JavaScript 框架和元框架各写 5 遍,然后按成本、质量、可维护性三条线算账。帖子拿了 291 分、227 条评论。我请来老朋友沈舟——做了八年前端性能与工程化的工程师——聊聊这份账单到底说明了什么。
本文由每日自动管线生成:选题与素材来自 Hacker News 公开讨论,访谈内容由 AI 基于原文整理,嘉宾为角色设定,观点不代表任何真实人物。
小听: 沈舟,先问个最基本的问题:为什么要做这个实验?选框架这种事,以前不都是凭感觉吗?
沈舟: 这正是 Lawson 开篇就点破的毛病。他说前端社区做决定太"凭感觉"了——某个框架"快如闪电",某个工具能"极大提升开发体验",抽象层对开发者和用户"双赢",全是气势,零证据。Alex Russell 把这叫"前端失落的十年",Baldur Bjarnason 更直接,说编程已经成了一种流行文化。
以前还能解释:开发者喜欢手写 JSX 的感觉,所谓"虚拟 DOM 很快"之类的说法,大多是先有了好感、再找理由合理化。但现在不一样了——写代码的是 agent,开发者已经不怎么亲手敲代码,也就不那么受"开发体验"的约束了。可即便如此,"凭感觉"还在统治:前端因为"对 agent 更友好"被重写,产出的代码"更快"、agent"更少犯错",还是没人拿出证据。Lawson 的反应很简单:没有基准测试,那就自己写一个。
小听: 这个基准测试是怎么设计的?12 个框架,同一个应用,各写 5 遍,听起来工作量不小。
沈舟: 设计得挺讲究的。应用本身不复杂:一个宝可梦列表,带类型、招式、各世代游戏数据,可以搜索和筛选——本质上是个内容型网站,更接近维基百科,不像 Figma 或 Gmail 那种重交互应用。Lawson 自己也承认,这只是"一个样本",不能代表所有场景。
关键在控制变量上:每个框架都配官方 MCP 或 skills,避免"训练数据里没有这个框架所以 agent 写不好"的指责;不指定 SSR 还是 CSR、SPA 还是 MPA,只给需求规格,让 Opus 5.5(高强度模式)在沙盒里自由发挥;产出要过一套基于无障碍树(而不是原始 DOM)的 conformance 测试,防止 agent 作弊——比如直接预生成静态 HTML 就被明确禁止了,因为那违背了实验模拟"大量可能动态的数据"的初衷。最后用 Lighthouse 测性能和无障碍得分,再统计成本、耗时、token 数和代码行数。每个框架跑 5 遍取中位数,只有 Angular 两次没跑出可用应用,取了 3 次。
小听: 先说大家最关心的:钱。让 AI 写一个应用,哪个框架最便宜?
沈舟: 便宜到让人意外。单次运行的中位数成本:Hono+htmx 最便宜,2.67 美元;Astro 2.76 美元;Nuxt 2.82 美元;原生 Vanilla(Vite)2.98 美元;Next.js 3.14 美元。最贵的是 Angular,4.97 美元,几乎是 Hono+htmx 的两倍。SvelteKit 4.28 美元、Gracile+Lit 4.65 美元也偏贵。
时间和 token 数跟成本基本同向:Astro 平均 8.2 分钟跑完一次,Angular 要 17.2 分钟;token 消耗最少的是 Nuxt,385 万,最多的是 Angular,976 万。注意这都是 Claude Code 报出的 API 价目,Lawson 本人是 Max 套餐用户,实际没多花钱,但账单数字本身是真实的。
小听: 为什么 SvelteKit、Gracile 和 Angular 会贵这么多?是框架本身复杂,还是 agent 不熟?
沈舟: Lawson 的分析指向后者,而且证据很具体。SvelteKit 贵,很可能是因为 agent 每次运行都要去读 SvelteKit v3 的迁移指南——新版本太新,不在 Opus 5.5 的训练数据里。Gracile 更夸张,agent 不认识这个框架,要么去 clone 它的仓库,要么直接读 node_modules 里的编译产物。Angular 则纯粹是代码量大——后面会说到,它生成的代码行数最多,token 自然水涨船高。
这里还有个值得玩味的细节:MCP 和 skills 的使用情况非常不稳定。TanStack Start 的 skill 文件只在 5 次运行里被发现了 2 次;Nuxt 的 MCP 一次都没被用上;Next.js 的 skill 文件只在 1 次运行里被读到。Lawson 认为这恰恰反映了现实:没几个 vibe-coder 会对着 agent 大喊"给我用 MCP",很多人根本就不用。所以这个实验测的不是"框架在理想条件下的表现",而是"普通人随手一用的真实表现"。

贵出来的每一美元,买的不是更好的代码,而是 agent 对框架的陌生。
小听: 便宜归便宜,质量呢?Lighthouse 分数会不会暴露出便宜没好货?
沈舟: 有意思的是,Lighthouse 的性能、无障碍和 CLS(累积布局偏移)分数几乎全线饱和:12 个框架里 10 个性能 97 分以上,无障碍全是 100 分,CLS 基本是 0。只看这三个数,框架之间几乎没有差别。
真正的差距藏在更细的指标里。先看传输的 JavaScript 体积:Astro 是 0 KiB——对,零,客户端基本不发 JS;Vanilla 7 KiB;Hono+htmx 18 KiB;SvelteKit 36 KiB;Nuxt 84 KiB;Angular 93 KiB;React Router 115 KiB;TanStack Start 118 KiB;Next.js 142 KiB,是 Astro 的……没法比,因为分母是零。
再看总阻塞时间(TBT):Astro、Hono+htmx、Gracile+Lit、SvelteKit、Vanilla 都是 0 毫秒;Next.js 71 毫秒;Angular 103 毫秒。最大内容绘制(LCP)也一样:Astro 810 毫秒最快,Next.js 2090 毫秒最慢。Lawson 坦承,Lighthouse 和 Core Web Vitals 本来就偏袒多页应用(MPA)、惩罚单页应用(SPA),所以这个结果有一部分是赛道本身决定的。但即便如此,同一个赛道里,0 KiB 和 142 KiB 的差距也不是一句"指标偏见"能抹掉的。
小听: 评论区怎么看?我看最高赞的评论直接说:"Astro 在时间上第一、花费第二低、客户端零 JS,我知道下一个项目用什么了。"
沈舟: 是,Astro 在评论区赢麻了。但也有人立刻泼了冷水:这个基准应用是内容型网站,Astro 本来就是为内容型网站设计的;如果换成高交互、实时异步很重的应用,结果会不会完全不同?这是个合理的质疑,Lawson 自己在结论里也承认了——换个复杂仪表盘、视频游戏或生产力应用当考题,SPA 占优的框架完全可能翻盘。
另一个争论点是"零 JS 到底是不是更好"。有网友坚持渐进增强的哲学:浏览器支持 JS 时,有 JS 的体验更快;也有人反驳,Astro 的逃生舱设计得很好,需要交互时随时可以接入你喜欢的框架,而且很多组件根本不需要 JS。两边都没错,吵的是取舍,不是事实。
Angular 在评论区的待遇就没这么温和了。"Angular 烂,我早就知道,现在有数据证明它连 agent 都伺候不好",类似的评论不少。也有人为 Angular 辩护:拿一个小应用去判一个为大型复杂应用设计的框架死刑,本身就是以偏概全。但反驳者也回得干脆:如果 AI 连简单的 Angular 应用都写不好,你凭什么指望它写好复杂的?
小听: 还有第三条线:可维护性。代码行数这个指标,说明了什么?
沈舟: 这可能是整篇文章最有远见的一节。Lawson 用最朴素的指标——非空源码总行数——来衡量可维护性。结果:Hono+htmx 1370 行最少,Nuxt 1415 行,Astro 1461 行,Next.js 1539 行,Angular 2009 行最多。Hono+htmx 用 Angular 大约 70% 的代码量,实现了差不多的功能,而且跑得更快。
他引用了 Rich Harris 的一句话:"框架不是组织代码的工具,而是组织思维的工具。"在 agent 时代,这句话的分量更重了:代码行数直接决定了未来每一次编辑要消耗的 token 数,也就是字面意义上的维护成本。代码越啰嗦,以后每次让 agent 改它就越贵。这不是审美问题,是现金问题。

代码行数在 agent 时代不再是审美问题,是现金问题——每行代码都是未来的 token 账单。
小听: 听起来结论很清晰:MPA 赢了,轻量框架赢了,Angular 输了。但这个实验本身,有没有什么硬伤?
沈舟: Lawson 自己列了一串,态度很诚实。第一,随机性:大模型是"随机词生成器",有时候 agent 会莫名其妙跑偏,浪费一大堆 token,跟框架本身无关;Lighthouse 的 LCP 也有波动,同一应用两次跑能差出几百毫秒。他跑多遍取中位数,就是为了压住这种方差。第二,样本单一:一个宝可梦内容站,不能代表真实世界的大型应用。第三,工具使用不稳定:MCP 和 skills 时用时不用,结果里混进了运气成分。
还有个细节值得注意:Angular 两次失败,是因为 agent 建的 SSR 应用拒绝了非 localhost 的访问——尽管需求里明确说了应用会放在反向代理后面。Lawson 认为这是"没有遵守规格的有效失败",没有重跑。这两处失败只影响代码量和性能指标,成本部分统计的是全部 5 次。
小听: 最后问个现实的问题:这篇文章对国内开发者有什么用?我们大多数人也不是在用 agent 全权写代码。
沈舟: Lawson 在结论里问了两个问题,我觉得值得每个人照着问自己一遍:"你真的在基于证据选技术栈吗?还是只是在用你已经会的东西?"以及:"如果你已经基本不亲手写代码了,那你对当年亲手敲代码时做的选择,还有什么可留恋的?"
对国内开发者来说,启发是分层的。如果你还在亲手读、亲手改每一行代码,那框架的"手感"依然重要,DX 依然值钱——你对代码有感情,选熟悉的没错。但如果你已经把大块工作交给 agent,只做审查和验收,那选型逻辑就该变了:agent 的 token 账单、生成代码的体积、它对这个框架的熟悉程度,这些过去没人算的账,现在都成了真金白银。Astro 在这个实验里赢,不是因为它"时髦",而是因为它让 agent 少读文档、少写代码、少发 JS——三笔账全是省的。
当然,别把这篇文章当成"最终答案"。Lawson 自己说了,基准测试的代码已经开源在 GitHub 上,欢迎任何人 fork、复现、挑错。他甚至怀疑,现在这批 MCP 和 skills 可能弊大于利——如果框架作者们据此改进了自家的 AI 工具,下次跑出来的结果可能完全不同。这篇文章真正的价值不是排名,而是证明了一件事:在 AI 写代码的时代,选型依然可以、也应该基于证据,而不是感觉。本文观点仅代表访谈角色设定,原始讨论见参考链接。