過去一週，Qwen3.8-Max-Preview 與 Kimi K3 線上亮相，將國產大模型的參數規模推至2萬億級以上。
不過，大模型之爭早已超越了單看 Benchmark、只看參數的階段。能否真正介入日常的工作流程，才是衡量基模能力的最佳標準。
針對此，Biteye 今天決定拉出來溜溜，看看是驢子還是馬。
同樣是「一句話做個 Biteye 風格的雷霆戰機網頁小遊戲」的提示詞，Qwen3.8、Kimi K3、gpt5.6 sol 三個模型交出了完全不同的答卷：
- Qwen3.8：能動，也僅限於能動
- GPT-5.6 Sol：視效好看，像品牌官網
- Kimi K3：最多花樣，遊戲感最強
⚠️溫馨提示：由於 Kimi K3 因算力限制不再開放訂閱，本次測試最終由 WorkBuddy 調用。
Qwen3.8：戰機起飛了，結果沒有然後 | 評價：1顆⭐
https://x.com/i/status/2079865420576927996
打開 Qwen3.8 版本，第一感覺是：逗我呢？
深藍色背景，中間是一個非 Biteye 原生的 Logo，以及一個「開始遊戲」按鈕。標題中的黑色文字與深色背景融為一體，彷彿提前開啟了隱身模式。
進入遊戲後，基本功能還算勉強夠用：
- 拖曳飛機
- 自動發射子彈
- 紅色三角形敵機
- 得分統計
- 撞機與結束機制
在實際測試中，戰機可持續射擊，分數也一路攀升至 858，Qwen3.8 至少已成功運行。
但問題是，整個遊戲就像一個剛搭建好的 Canvas 演示：敵機是三角形，子彈是光點，玩法幾乎沒有變化。沒有任何武器成長、沒有任何道具系統，也沒有明顯的關卡節奏。
正如 Qwen 團隊自己宣布的那樣，Qwen3.8 的後訓練尚未完成，正在「按天迭代中」。
顯然，美術和策劃還未進群。
GPT-5.6 Sol：美工不錯，玩法有待加強 | 評價：3.5顆⭐
https://x.com/i/status/2079865420576927996
打開 GPT-5.6 Sol 版本，氣勢一下就上來了。
左側是鮮明的任務，中間是戰鬥區域，右側是可視化雷達和遙測模組。深色背景搭配螢光青，再結合中英文混排和 Biteye 品牌元素，極具 007 特工儀表盤的視覺感。
它的系統也比 Qwen 豐富不少，譬如：
- Wave 波次
- Armor 裝甲
- Overdrive 狀態
- Combo 連擊
- 最高紀錄
- 暫停功能
- 滑鼠和鍵盤雙操作
在實際測試中，遊戲順利運行並取得 922 分。失敗時不會簡單彈出「Game Over」，而是顯示「戰機離線」，重新開始則稱為「重新連接」。從開始到結算，文案與視覺都保持同一套世界觀，這一點相當有特色。
不過，GPT-5.6 Sol 的問題在於太擅長包裝了。左右兩側的資訊面板佔據了大量空間，真正的遊戲區域反而被壓在中間。它更像一張完成度很高的品牌活動頁，裡面順便嵌了一款小遊戲。
與 Qwen3.8 相比，gpt-5.6 sol 的美術、品牌和運營均已到崗，但遊戲策劃明顯摸了點魚。
Kimi K3：別人在做 Demo，它已開始加入付費點 | 評價：4 顆⭐
https://x.com/i/status/2079865420576927996
Kimi K3 的首頁雖然沒有 GPT-5.6 Sol 那麼驚豔，但遊戲說明一出來，味道就不一樣了：
- W：火力升級
- S：StarShield
- B：炸彈
- H：修復
- 空格：釋放炸彈
- P：暫停
- M：靜音
進入遊戲後，還有三條生命、火力等級、炸彈數量、暫停按鈕和聲音開關。
另外兩個版本還在慢吞吞地解決「飛機怎麼移動」，Kimi K3 已經開始考慮玩家撿到道具之後怎麼玩了。
這也是三個版本最明顯的差距：Qwen 實現了射擊功能，Sol 完成了視覺包裝，Kimi 則主動補上了道具、資源、成長和主動技能。
當然，它的畫面仍然不算精細。敵機和特效大多是簡單的幾何圖形，部分 Logo 素材貼得也比較直接。但作為一款小遊戲，它最懂得不斷給玩家新東西。
三個模型，分別招進哪個部門？
如果把三個模型當成新員工，這次測試大概是這樣的：
一句話生成遊戲，拼的早就不只是代碼
以 Biteye 的 雷霆戰機 測試為例，現在讓大模型寫代碼，製作一個「飛機會移動、子彈會發射」的網頁並不難。
但真正拉開差距的是，模型在前置邏輯訓練後，會不會主動設計反饋、關卡、道具、成長和視覺主題。大模型不仅要理解代碼，還要真正理解，玩家為什麼願意再玩一局。