Dalam seminggu terakhir, Qwen3.8-Max-Preview dan Kimi K3 secara berturut-turut diluncurkan, mendorong skala parameter model besar buatan dalam negeri melebihi 2 triliun.
Namun, persaingan model besar sudah melewati tahap hanya melihat Benchmark dan jumlah parameter saja. Kemampuan untuk benar-benar terintegrasi ke dalam alur kerja sehari-hari adalah standar terbaik untuk mengukur kapasitas model dasar.
Untuk ini, Biteye hari ini memutuskan untuk menguji apakah itu keledai atau kuda, keluarkan dan coba jalankan.
Dengan prompt yang sama, "buatkan game web mini雷霆战机 gaya Biteye dalam satu kalimat", tiga model Qwen3.8, Kimi K3, dan gpt5.6 sol memberikan jawaban yang sama sekali berbeda:
- Qwen3.8: Bisa bergerak, dan hanya bisa bergerak
- GPT-5.6 Sol: Efek visualnya menarik, seperti situs web resmi merek
- Kimi K3: Paling banyak trik, paling seru seperti game
⚠️ Peringatan: Karena keterbatasan daya komputasi, Kimi K3 tidak lagi membuka langganan, uji coba ini akhirnya dipanggil oleh WorkBuddy.
Qwen3.8: Pesawat tempur telah lepas landas, tapi tidak ada yang lain | Penilaian: 1 bintang
https://x.com/i/status/2079865420576927996
Buka versi Qwen3.8, kesan pertama saya: Anda bercanda?
Latar belakang biru gelap, di tengah terdapat logo yang bukan asli Biteye, serta tombol "Mulai Game". Teks hitam di judul menyatu dengan latar belakang gelap, seolah sudah mengaktifkan mode tak terlihat.
Setelah masuk ke permainan, fitur dasarnya cukup berfungsi:
- Drag aircraft with mouse
- Auto-fire bullets
- Pesawat musuh segitiga merah
- Score statistics
- Crash and Close Mechanism
Dalam pengujian nyata, pesawat tempur dapat menembak terus-menerus, dan skor terus naik hingga 858; Qwen3.8 setidaknya berhasil dijalankan.
Masalahnya, seluruh permainan seperti Demo Canvas baru saja dibangun: pesawat musuh berbentuk segitiga, peluru berupa titik cahaya, dan mekanik permainan hampir tidak berubah. Tidak ada sistem pertumbuhan senjata, tidak ada sistem item, dan tidak ada ritme level yang jelas.
Seperti yang diumumkan oleh tim Qwen sendiri, pelatihan lanjutan Qwen3.8 belum selesai dan sedang “diiterasi harian”.
Jelas, tim seni dan perencanaan belum masuk grup.
GPT-5.6 Sol: Desain grafis bagus, gameplay perlu diperkuat | Penilaian: 3.5 ⭐
https://x.com/i/status/2079865420576927996
Buka versi GPT-5.6 Sol, semangat langsung meningkat.
Di sebelah kiri adalah tugas yang jelas, di tengah adalah area pertempuran, dan di sebelah kanan adalah radar visualisasi dan modul telemetri. Latar belakang gelap dengan warna neon cyan, ditambah dengan campuran bahasa Inggris dan Tiongkok serta elemen merek Biteye, menciptakan kesan visual yang sangat mirip dengan panel instrumen agen 007.
Sistemnya juga jauh lebih kaya daripada Qwen, misalnya:
- Wave波次
- Armor Armor
- Status Overdrive
- Combo连击
- Rekor tertinggi
- Pause function
- Operasi ganda mouse dan keyboard
Dalam pengujian nyata, game berhasil berjalan dan mendapatkan skor 922. Setelah gagal, tidak hanya muncul "Game Over", tetapi menampilkan "Pesawat Offline", dan untuk memulai ulang disebut "Menghubungkan Kembali". Dari awal hingga penilaian, teks dan visual tetap mempertahankan dunia yang seragam, yang cukup fancy.
Namun, masalah dengan GPT-5.6 Sol adalah terlalu banyak berfokus pada pengemasan. Panel informasi di sisi kiri dan kanan memakan banyak ruang, sementara area permainan utama justru terdesak ke tengah. Lebih mirip halaman kampanye merek yang sudah sangat matang, yang secara kebetulan menyertakan sebuah game kecil.
Dibandingkan dengan Qwen3.8, seni, merek, dan operasional gpt-5.6 sol sudah semuanya hadir, namun perancang game jelas-jelas santai.
Kimi K3: Saat orang lain membuat Demo, ia mulai menambahkan titik pembelian dalam aplikasi | Penilaian: 4 ⭐
https://x.com/i/status/2079865420576927996
Meskipun layar pertama Kimi K3 tidak sehebat GPT-5.6 Sol, tetapi begitu penjelasan permainannya muncul, rasanya menjadi berbeda:
- W: Peningkatan daya tembak
- S: StarShield
- B: Bom
- H: Perbaikan
- Space: Release the bomb
- P: Dihentikan
- M: Matikan suara
Setelah memulai permainan, tersedia tiga nyawa, tingkat kekuatan senjata, jumlah bom, tombol jeda, dan sakelar suara.
Dua versi lainnya masih berjalan lambat dalam menyelesaikan "bagaimana pesawat bergerak", sementara Kimi K3 sudah mulai mempertimbangkan bagaimana pemain bermain setelah mengambil item.
Ini juga merupakan perbedaan paling jelas antara ketiga versi tersebut: Qwen mengimplementasikan fitur tembak-menembak, Sol menyediakan visual packaging, sedangkan Kimi secara aktif menambahkan item, sumber daya, perkembangan, dan keterampilan aktif.
Of course, its visuals are still not detailed. Enemy aircraft and effects are mostly simple geometric shapes, and some logo assets are applied quite directly. But as a small game, it knows best how to constantly give players new things.
Tiga model, masing-masing ditempatkan di departemen mana?
Jika ketiga model dianggap sebagai karyawan baru, ujian ini kira-kira seperti ini:
Game generasi satu kalimat, yang dipertaruhkan bukan lagi hanya kode
Dengan contoh pengujian Jet Tempur Biteye, sekarang ini tidak sulit untuk meminta model besar menulis kode, membuat halaman web di mana "pesawat bergerak dan peluru ditembakkan".
Namun, yang benar-benar membedakan adalah apakah model, setelah dilatih dalam logika pendahuluan, akan secara aktif merancang umpan balik, level, item, pertumbuhan, dan tema visual. Model besar tidak hanya harus memahami kode, tetapi juga benar-benar memahami mengapa pemain mau bermain satu putaran lagi.