На прошлой неделе Qwen3.8-Max-Preview и Kimi K3 были представлены последовательно, доведя масштаб параметров китайских крупных моделей до уровня более 2 триллионов.
Однако конкуренция между крупными моделями давно перешла этап, когда оценивались только показатели Benchmarks и количество параметров. Наилучшим критерием для оценки способностей базовой модели является ее способность реально интегрироваться в повседневные рабочие процессы.
В ответ на это Biteye сегодня решил проверить, на что способен этот осел — вывести его и погонять.
Тот же промпт «Сделайте веб-мини-игру Thunder Fighter в стиле Biteye одним предложением» — три модели, Qwen3.8, Kimi K3 и gpt5.6 sol, предоставили совершенно разные ответы:
- Qwen3.8: может двигаться, и только может двигаться
- GPT-5.6 Sol: Визуально приятно, как на официальном сайте бренда
- Kimi K3: больше всего фишек, самый игровой
⚠️ Внимание: из-за ограничений вычислительной мощности Kimi K3 подписка больше не доступна; в этом тесте был использован WorkBuddy.
Qwen3.8: Самолет взлетел, но дальше ничего не произошло | Оценка: 1 звезда
https://x.com/i/status/2079865420576927996
Открытие версии Qwen3.8 вызывает первое впечатление: ты что, шутишь?
Темно-синий фон, в центре — логотип, не являющийся родным для Biteye, и кнопка «Начать игру». Черный текст в заголовке сливается с темным фоном, словно уже активировал режим невидимости.
После входа в игру базовые функции вроде бы работают:
- Перетаскивание самолета мышью
- Автоматическая стрельба
- Красный треугольник вражеского самолета
- Score statistics
- Collision and termination mechanism
В ходе практического тестирования истребитель мог непрерывно стрелять, и счет продолжал расти до 858, Qwen3.8 хотя бы успешно выполнил задачу.
Проблема в том, что вся игра похожа на только что созданный Canvas-демо: вражеские самолеты — это треугольники, пули — это точки света, геймплей практически не изменился. Нет никакой системы улучшения оружия, никаких предметов и явного ритма уровней.
Как сами объявила команда Qwen, пост-обучение Qwen3.8 еще не завершено и находится в процессе итераций по дням.
Clearly, the art and design teams haven't joined the group yet.
GPT-5.6 Sol: Хороший дизайн, геймплей требует улучшения | Оценка: 3.5 ⭐
https://x.com/i/status/2079865420576927996
🔗：Попробуйте GPT-5.6 Sol версию
Откройте GPT-5.6 Sol, и атмосфера сразу меняется.
Слева — четкие задачи, по центру — боевая зона, справа — визуализированный радар и модуль телеметрии. Темный фон с флуоресцентной голубой подсветкой, сочетание китайского и английского языков, а также элементы бренда Biteye создают визуальное ощущение приборной панели агента 007.
Его система также намного богаче, чем у Qwen, например:
- Wave波次
- Armor装甲
- Статус Overdrive
- Комбо-удар
- Наивысший рекорд
- Функция приостановки
- Двойное управление мышью и клавиатурой
В ходе тестирования игра успешно запустилась и набрала 922 очка. После поражения не появляется простое сообщение «Game Over», а отображается «Самолет оффлайн», а для перезапуска используется термин «Переподключиться». От начала до итогового экрана текст и визуальное оформление сохраняют единую вселенную — это довольно стильно.
Однако проблема GPT-5.6 Sol в том, что он слишком хорошо упаковывает. Панели информации с обеих сторон занимают огромное пространство, а сама игровая зона оказывается зажата посередине. Это больше похоже на высоко завершенную страницу брендинговой кампании, в которую случайно встроена небольшая игра.
По сравнению с Qwen3.8, художники, бренд-менеджеры и операционная команда gpt-5.6 sol уже на местах, однако дизайнеры игр, очевидно, немного расслабились.
Kimi K3: Другие делают демо, а он уже добавляет точки для покупок | Оценка: 4 звезды⭐
https://x.com/i/status/2079865420576927996
Хотя начальный экран Kimi K3 не такой впечатляющий, как у GPT-5.6 Sol, но как только появилось описание игры, всё меняется:
- W: Усиление огня
- S: StarShield
- B: Бомба
- H: Исправлено
- Space: Deploy the bomb
- P: Приостановлено
- M: Отключить звук
После входа в игру у вас есть три жизни, уровень огневой мощи, количество бомб, кнопка паузы и переключатель звука.
Две другие версии всё ещё медленно решают, как перемещать самолёт, а Kimi K3 уже задумывается, как игроки будут играть после того, как соберут предметы.
Это также самое явное различие между тремя версиями: Qwen реализовал функцию стрельбы, Sol создал визуальное оформление, а Kimi активно добавил предметы, ресурсы, прокачку и активные навыки.
Конечно, его графика все еще не слишком детализирована. Вражеские самолеты и эффекты в основном представляют собой простые геометрические формы, а некоторые элементы логотипов накладываются довольно прямо. Но как мини-игра, она отлично знает, как постоянно предлагать игрокам что-то новое.
Три модели, в какие отделы их следует принять?
Если представить три модели как новых сотрудников, этот тест будет примерно таким:
Генерация игр одной фразой — это уже не просто код.
На примере теста Thunder Fighter от Biteye сейчас несложно заставить большую модель написать код для веб-страницы, на которой «самолет перемещается, а пули стреляют».
Но настоящим различием является то, будет ли модель после предварительной тренировки логики активно проектировать обратную связь, уровни, предметы, прогрессию и визуальную тематику. Крупные модели должны не только понимать код, но и по-настоящему понимать, почему игроки хотят сыграть еще один раунд.