Coding-CLIs im Vergleich: Mistral Vibe, Qwen Code, ZCode im Test

Wer eine Coding-CLI auswählt, entscheidet mit, was am Ende an Kosten, Qualität und nutzbaren Tools herauskommt. Genau das will Cedric vom Kanal The Morpheus Tutorials · KI (DE) messbar machen. In seinem Vergleich bleiben Modell, Deployment, Reasoning-Stufe, Aufgabe, Sicherheitsgrenze und das Android-Gerät konstant. Gewechselt wird nur die CLI-Hülle, also das Werkzeug um das Modell herum.

Alle 14 Clients nutzen Gemini 3.7 Flash über Googles Vertex AI mit Standard-Pay-Go-Traffic, nicht über ein Abo. Der Gateway enthält genau dieses eine Deployment, es gibt also keine eigenen Retries und keinen Fallback auf andere Modelle oder Anbieter. Client-eigene Retries, Timeouts und die Art des Kompaktierens zählen dagegen zum getesteten Werkzeug.

Damit die Ergebnisse vergleichbar bleiben, setzt der Test ein gemeinsames Modellprofil: 262k Input-Tokens und eine Obergrenze von 64k Output-Tokens, bei hohem Reasoning-Aufwand. Vertex weist für Gemini 3.7 Flash bis zu 1 Million Input- und 64k Output-Tokens aus. Andere Werte wurden nicht künstlich verändert und gelten als Verhalten des jeweiligen Werkzeugs.

Auch Hilfsrouten wie Summary, Compaction oder Subagenten laufen alle über dasselbe Modell mit hohem Denkaufwand. Das Modell selbst wird nicht bewertet, sondern die Hülle drumherum. Für dich heißt das: Die Zahlen sagen etwas über die CLI aus, nicht über Gemini.

Bei Mistral Vibe fällt eine große Testmenge auf, inklusive eines eigenen Krypto-Tests. Der Eindruck: Mistral legt viel Wert auf Security und lässt das Modell die eigene Arbeit mehrfach prüfen. Im System-Prompt steht tatsächlich, dass das Modell seine Arbeit mit grünen Tests und lauffähigem Code beweisen soll.

Der Haken zeigt sich im Detail. Ein Milchfilter wirkt gar nicht, weil die App den gespeicherten Wert „dairy_free“ nicht kennt und nur „dairy“ und „lactose-free“ verarbeitet. Dasselbe Schreibproblem trifft Gluten-Free, Nut-Free, ohne Schwein und Low-Carb. Alle 36 Tests sind grün, prüfen aber genau diesen Filter nicht. Von acht absichtlich eingebauten Fehlern findet der Test nur vier.

Qwen Code liefert eine saubere Abgabe. Die längste Datei bleibt bei gut 560 Zeilen, die Analyse ist grün, die Tests laufen durch. Beim Öffnen eines Rezepts erscheint im allerersten Frame ein Fehler, danach baut sich die Seite normal auf, sodass er kaum auffällt.

Aussagekräftig sind die Tests trotzdem nur begrenzt: Von den eingeschleusten Fehlern erkennen sie drei. Cedric vergibt 8 von 10 und würde zuerst am Kochbuch und am Fehler im ersten Frame nacharbeiten. Insgesamt reiht sich Qwen Code damit in eine Serie guter Ergebnisse ein.

ZCode kommt in Version 3.8.1 von Z.ai und ist proprietär, was den Tester überrascht hat. Der ausgelieferte Agentenkern trägt Version 0.16.3. Getestet wird der hash-geprüfte Headless-Kern aus der offiziellen Linux-x64-AppImage mit Prompt-, JSON- und Yolo-Permission-Modus, nicht der zusätzliche Community-Adapter.

Der native Lauf endet nach 58 Minuten und 22 Sekunden mit Exit 0, also erfolgreich. Bei den Rezepten hapert es: Zutaten wie Tablespoons und Pieces bleiben unübersetzt, die Einkaufsliste enthält nur drei Zutaten, und der Tomaten-Gurkensalat fehlt in der Anleitung. Die Diätfilter lassen sich nicht durchschalten, weil die Varianten fehlen.

Cedric betont, dass visuelles Feedback wichtiger wird, je leistungsfähiger die Modelle werden. Es mache einen Unterschied, ob man etwas nur programmiert oder am Ende auch sieht, was entstanden ist. Deshalb schaut er sich nicht nur den Code an, sondern auch das laufende Ergebnis.

Die Bewertungen in diesem Vergleich stammen aus dem Test des Kanals; eine eigene Prüfung der Werkzeuge liegt nicht vor.