过去一周，Qwen3.8-Max-Preview 与 Kimi K3 接连亮相，把国产大模型的参数规模推向 2 万亿级以上。

不过，大模型之争早就过了单看 Benchmarks、只看参数的版本。能够切实介入日常的工作流，才是衡量基模能力的最好标准。

对此，Biteye 今天决定是驴子是马，拉出来溜溜。

同样是“一句话做个 Biteye 风格的雷霆战机网页小游戏”的提示词，Qwen3.8、Kimi K3、gpt5.6 sol 三个模型交出了完全不同的答卷：

Qwen3.8：能动，也仅限于能动

GPT-5.6 Sol：视效好看，像品牌官网

Kimi K3：花活最多，游戏感最强

⚠️温馨提示：由于 Kimi K3 因为算力限制不再开放订阅，本次测试最终由 WorkBuddy 调用。

Qwen3.8：战机起飞了，结果没有然后 | 评价：1 颗⭐

https://x.com/i/status/2079865420576927996

🔗：试玩 Qwen3.8 版本

打开 Qwen3.8 版本，第一感觉是：逗我呢？

深蓝色背景，中间一个并非 Biteye 原生的 Logo，一个“开始游戏”按钮。标题里的黑色文字与深色背景融为一体，仿佛提前开启了隐身模式。

点进游戏后，基础功能倒是勉勉强强：

• 鼠标拖拽战机
• 自动发射子弹
• 红色三角形敌机
• 分数统计
• 撞机与结束机制

实测中，战机可以持续射击，分数也一路涨到了 858，Qwen3.8 至少跑通了。

可问题是，整个游戏像一个刚搭好的 Canvas Demo：敌机是三角形，子弹是光点，玩法基本没有变化。没有任何武器成长、没有任何道具系统，也没有明显的关卡节奏。

就像 Qwen 团队自己宣布的那样，Qwen3.8 的后训练还没有做好，正在“按天迭代中”。

显然，美术和策划还没进群。

GPT-5.6 Sol：美工不错，玩法有待加强 | 评价：3.5 颗⭐

https://x.com/i/status/2079865420576927996

🔗：试玩 GPT-5.6 Sol 版本

打开 GPT-5.6 Sol 版本打开，气势一下就上来了。

左边是鲜明的任务，中间是战斗区域，右边是可视化雷达和遥测模块。深色背景配荧光青，再加上中英文混排和 Biteye 品牌元素，非常有 007 特工仪表盘的视觉感。

它的系统也比 Qwen 丰富不少，譬如：

• Wave 波次
• Armor 装甲
• Overdrive 状态
• Combo 连击
• 最高纪录
• 暂停功能
• 鼠标和键盘双操作

实测中，游戏成功运行并拿到了 922 分。失败后不会简单地弹出“Game Over”，而是显示“战机离线”，重新开始则叫“重新连接”。从开始到结算，文案和视觉都保持着同一套世界观，这一点还蛮 fancy 的。

不过，GPT-5.6 Sol 的问题，就是太会做包装了。左右两侧的信息面板占据了大量空间，真正的游戏区域反而被压在中间。它更像一张完成度很高的品牌活动页，里面顺便嵌了一款小游戏。

相比 Qwen3.8，gpt-5.6 sol 的美术、品牌和运营全部到岗，不过游戏策划显然是摸了点鱼。

Kimi K3：别人在做 Demo，它开始加氪金点了 | 评价：4 颗⭐

https://x.com/i/status/2079865420576927996

🔗：试玩 Kimi K3 版本

Kimi K3 的首屏虽然没有 GPT-5.6 Sol 那么惊艳，但游戏说明一出来，味道就不一样了：

• W：火力升级
• S：星盾
• B：炸弹
• H：修复
• 空格：释放炸弹
• P：暂停
• M：静音

进入游戏后，还有三条生命、火力等级、炸弹数量、暂停按钮和声音开关。

另外两个版本还在慢吞吞地解决“飞机怎么移动”，Kimi K3 已经开始考虑玩家捡到道具之后怎么玩了。

这也是三个版本最明显的差距：Qwen 做出了射击功能，Sol 做出了视觉包装，Kimi 则主动补上了道具、资源、成长和主动技能。

当然，它的画面仍然不算精细。敌机和特效大多是简单的几何图形，部分 Logo 素材贴得也比较直接。但作为一款小游戏，它最懂得不断给玩家新东西。

三个模型，分别招进哪个部门？

如果把三个模型当成新员工，这次测试大概是这样的

一句话生成游戏，拼的早就不只是代码

以 Biteye 的雷霆战机测试为例，现在让大模型写代码，做一个“飞机会移动、子弹会发射”的网页并不难。

但真正拉开差距的是，模型在前置逻辑训练后，会不会主动设计反馈、关卡、道具、成长和视觉主题。大模型不仅要理解代码，还要真正理解，玩家为什么愿意再玩一局。