Ett CNET-experiment jämförde Googles Gemini 3 Pro- och Gemini 2.5 Flash-modeller för vibe coding, ett avslappnat sätt att generera kod via AI-chatt. Tänkningsmodellen visade sig vara enklare och mer heltäckande, medan den snabba modellen krävde mer manuell intervention. Resultaten tyder på att valet av modell påverkar utvecklingsupplevelsen avsevärt.
Vibe coding handlar om att använda AI-chattbots som Gemini, Claude eller ChatGPT för att skapa fungerande kod baserat på hög nivå idéer, vilket gör programmering tillgänglig för icke-experter. I ett nyligt test utforskade författaren denna metod genom att bygga en webbapp som visar affischer för skräckfilmer med klickbara detaljer, genom att anpassa ett föreslaget "Trophy Display Case"-projekt.
Med Gemini 3 Pro, den mer avancerade resonemangsmodellen, utvecklades processen över nästan 20 iterationer. Denna modell brydde ner komplexa uppgifter, som att integrera filmdata, och erbjöd oönskade förslag som en 3D-hjul effekt eller slumpmässig filmväljare för att förbättra appen. Den hanterade fel transparent, förklarade problem som inbäddning av YouTube-trailers – vilket slutligen ledde till en enklare länkbaserad lösning – och fixade problem som en icke-fungerande avslutningsknapp efter flera försök. Gemini 3 Pro tillhandahöll konsekvent fullständiga kodomskrivningar efter ändringar, vilket förenklade uppdateringar för användare.
I kontrast prioriterade Gemini 2.5 Flash hastighet men krävde mer användarinsats. Den föreslog manuell inköp av bilder och detaljer istället för att automatisera via The Movie Database API, om inte specifikt tillfrågad. Ändå kämpade den: efter att ha lagt till en API-nyckel fyllde den mestadels felaktiga affischer och krävde ytterligare fixar. Uppdateringar kom som isolerade kodsnuttar, med instruktioner att manuellt ersätta sektioner, vilket kunde störa den avslappnade vibben. När den bads skriva om hela koden kallade den det "en enorm förfrågan".
Båda modellerna producerade användbara resultat, men Gemini 3 Pro lyfte projektet med djupare resonemang och proaktiv hjälp, medan Flashs genvägar krävde vaksam prompting. Google har sedan uppdaterat till Gemini 3 Flash, men kärnkompromissen kvarstår: djup kontra effektivitet i AI-assisterad kodning.
