一块标价 27 美元的智能手表，成了测试 AI 编程能力的实验场。项目作者围绕 PineTime，让模型参与设备上的功能开发；表面上主角是 Claude，实际过程却牵涉到不同模型、硬件调试和反复人工修正。
这件事的价值不在于证明某个模型“会写嵌入式代码”。它更接近一次成本核算：模型能快速产出代码，但在屏幕刷新、数据传输、资源占用和真实设备反馈之间，仍然需要人来把错误逐个找出来。
Claude 的名字很醒目，真正决定结果的是整条开发链
PineTime 这类设备的限制很具体。它的处理器、内存、屏幕刷新能力都远不如手机或电脑，代码通过传输工具写入设备后，反馈也不会像网页开发那样即时。模型给出的程序即便语法正确，也可能在真机上出现卡顿、显示异常、连接失败或耗电过快。
项目被描述为“用 Claude 在 27 美元智能手表上开发”，并不等于所有代码都由 Claude 独立完成。现有线索没有交代完整的模型版本、API 调用记录、提示词、代码仓库和测试环境，也不足以确认 Kimi、DeepSeek 分别承担了哪些任务。
这一区别很重要。AI 编程项目里常见的“模型归因”，容易把对话入口、代码生成、错误修复和最终测试混成一件事。读者看到的可能是 Claude 的界面，真正执行代码的却是另一套模型或人工修改。没有调用日志和提交记录，就不能把成果准确归给某一个模型。
| 环节 | 云端软件项目 | PineTime 这类嵌入式项目 |
|---|---|---|
| 反馈速度 | 浏览器或测试环境通常很快返回结果 | 需要烧录、传输，再观察真机表现 |
| 主要问题 | 接口、业务逻辑、依赖冲突 | 内存、刷新率、驱动、功耗和连接稳定性 |
| 模型出错后的代价 | 多数能在开发环境中回滚 | 可能要重新写入设备，甚至排查硬件状态 |
| 人工工作的重点 | 审查代码和测试结果 | 解释真机现象、定位边界条件、反复验证 |
“工欲善其事，必先利其器。”在这里，工具不只是模型，也包括调试器、刷写工具、串口日志和一块随时可以重置的开发板。模型越便宜，开发者往往越需要自己补齐这套工具链。
低价模型能推进原型，却没有消除调试账单
这类项目最容易被忽略的成本，是人工纠错。
便宜模型可以快速生成界面代码、调用示例和基础逻辑。遇到错误时，它也能继续提出修复方案。但它看不到手表屏幕上的实际残影，不一定能判断刷新延迟来自驱动、传输过程还是代码结构，更不能替开发者决定某个功能是否值得牺牲电量和响应速度。
Claude、Kimi、DeepSeek之间当然存在能力、价格、上下文长度和调用方式的差异，但单凭这一个项目，无法得出“谁在嵌入式开发中全面胜出”的结论。更现实的比较方式，是看模型在整条链路上的表现：
- 能否理解设备 SDK 和具体芯片，而不只是生成通用代码；
- 能否根据串口日志、编译报错和真机现象持续修正；
- 能否减少人工往返，而不是每次换一种猜测；
- 能否在有限上下文里记住此前已经验证过的约束。
这也解释了为什么“低价模型能写出代码”不等于“低成本完成项目”。如果一个模型每次修复都需要开发者重新描述硬件现象，节省下来的 API 费用，很可能会转化为调试时间。
对个人开发者而言，这种模式仍然有吸引力。手表本身只要几十美元级别，失败一次的物料损失有限，模型可以承担大量试错。适合拿来做界面原型、传感器读取和简单交互，不适合直接把未经验证的代码放进需要长期运行的产品。
对物联网团队，判断标准会更苛刻。团队要算的不是一次生成用了多少钱，而是：
- 谁负责复核模型生成的驱动和电源管理代码；
- 真机测试需要多少轮；
- 模型更换后，现有提示词、日志格式和工具链能否继续使用；
- 设备出问题时，是否还能追溯具体代码和模型版本。
一块 27 美元的手表，可能只代表硬件采购价。它没有包含开发电脑、调试工具、云端模型调用、人工测试和返工时间。把这些成本删掉，才会得到一个看起来很漂亮的“低成本开发”故事。
这类实验下一步要看什么
最值得观察的不是项目能否完成一次演示，而是它能否被别人稳定复现。至少需要公开以下信息：
- PineTime 使用的固件、SDK 和模型版本；
- Kimi、DeepSeek 或 Claude 的具体调用路径；
- 生成代码与人工修改之间的边界；
- 刷写、传输和屏幕刷新延迟的测量方法；
- 连续运行时的功耗、崩溃和连接稳定性。
缺少这些记录，项目仍然有启发性，却更像一次开发现场展示，不能直接当成模型能力评测。
对准备尝试的开发者，最现实的做法是把模型放在“加速原型”的位置：让它生成样板代码、解释报错、整理日志，再由人完成硬件验证。等到项目涉及电池寿命、蓝牙连接、批量生产或安全更新，模型的低价就不应成为主要决策依据。
这件事真正说明的，是 AI 编程的竞争已经从“谁能生成一段代码”，转向“谁能少让人返工一次”。在资源紧张的嵌入式设备上，这个差别会被放大。谁能把真机反馈接入开发流程，谁才更接近可用的编程代理；只会在聊天窗口里给出答案，距离交付还隔着一张调试桌。