开源模型

Kimi K3 和 GPT-5.6 Sol，全面对比评测来了！

2026 年 7 月 20 日

AI模型Kimi K3与GPT-5.6 Sol在3D游戏开发上正面交锋，用童年经典游戏复刻实测能力高下。核心内容： 1. 两大模型在5款经典游戏复刻中的具体表现对比 2. 通过复杂3D游戏开发场景揭示模型真实工程能力 3. Kimi K3独立完成全栈后端项目的额外测试结果

一、让Kimi K3 和 GPT-5.6 Sol来一场全面对比

上周，AI 圈迎来了一位新的硬核开源玩家，Kimi K3，发布就登顶 Frontend Code Arena 榜第一。我们 Datawhale 第一时间对模型进行了与另外一个顶级模型的横向对比测试。我们一直在想：怎么才能让所有的读者也直观感受到两个模型的差异？最后想到一个办法，让它们复刻我们小时候玩的游戏。

Kimi K3 是 Moonshot 最新开源的大参数模型，规模到了 2.8 万亿级。官方原文说它的整体表现仍落后于 Claude Fable 5 和 GPT-5.6 Sol 这些最强闭源模型。这次只选 GPT-5.6 Sol 做横向对照，没测 Claude Fable 5：一是太贵，二是我们的号被封了，没法稳定复测。我们这次主要考察它在 3D 游戏开发上的水平。很多模型写普通前端已经不错了，但 3D 游戏涉及渲染、碰撞、状态管理、实时交互，是更难的场景，也更容易看出能力边界。

于是我们让它做了 5 款童年经典游戏，和 GPT-5.6 Sol 用同样的提示词做对照。录了视频、核了代码、比了成品感，最后发现：有的游戏能直接玩，有的已经接近成品，有的还差一截。

二、评价一个模型：从"能跑"到"能玩"

判断模型代码能力，常见的做法是让它生成单文件前端页面。这种方式成本低，但看不出复杂工程里的真实水平。

3D 游戏开发是更好的试金石：它涉及渲染、碰撞、状态管理、实时交互，模型不只要写代码，还要根据页面视觉反馈反复调试。于是我们让两个模型用完全相同的提示词和视觉约束，各自复刻 5 款童年经典游戏，比谁更能跑出可玩的成品。

但游戏只能比"谁更强"，回答不了"K3 自己能不能独立交付真实工程"。所以我们额外给 K3 加了一个非游戏类的全栈后端项目：从零搭数据库、写 REST 接口、跑通前端渲染，全程无人工介入。

Kimi K3 走 Kimi Code + WebBridge，GPT-5.6 Sol 走 Codex。唯一的变量是模型本身和对应的 Agent 工具链。

三、Kimi K3 和 GPT-5.6 Sol：5 个童年经典逐个对比

1. 植物大战僵尸

Kimi K3 的版本打开后能看到绿色草坪、僵尸推进、土豆雷爆炸。玩的时候会发现，它只有无尽波次，没有选关、没有暂停、没有星星评价，也没有胜场统计。GPT-5.6 Sol 的版本除了核心对战，还做了选关界面、星星评价和胜负统计。

从代码结构看，Kimi K3 单文件内联全部系统，存档直接读写。GPT-5.6 Sol 拆成多个模块，额外加了默认存档逻辑和数据校验。

Kimi K3 打开就能玩，但玩过几局后缺少目标感和进度反馈。GPT-5.6 Sol 的流程更长，有明确关卡和评价体系。

Kimi K3-植物大战僵尸

GPT-5.6 Sol-植物大战僵尸

2. 合金弹头

Kimi K3 的版本能看到自定义角色渲染，但敌人种类比 GPT-5.6 Sol 少两种。玩的时候最明显的区别是死亡后直接结束，不能续关。GPT-5.6 Sol 做了检查点，死亡后可以从断点继续。

从代码结构看，Kimi K3 用圆形碰撞判断，文件组织偏紧凑。GPT-5.6 Sol 用矩形碰撞箱，结构上更接近标准游戏架构。

Kimi K3 的画面有自己的风格，但容错率低，死亡成本高。GPT-5.6 Sol 的敌人更丰富，容错更高，更像街机原版体验。

Kimi K3-合金弹头

GPT-5.6 Sol-合金弹头

3. 拳皇 97

K3 版有角色选择和难度选择，必杀技反馈密集，人物渲染细节比 GPT-5.6 Sol 的方块人更好。但缺舞台选择、血量/时间/伤害倍率等规则调整，设置项也没有持久化。

GPT-5.6 Sol 把这些选项做全了，规则可以保存，更像能反复调整着玩的格斗游戏。

Kimi K3-拳皇 97

GPT-5.6 Sol-拳皇 97

4. 魂斗罗

K3 版打开就能玩，射击和移动正常，但缺标题画面、选关、暂停和继续；悬浮陆地只有视觉效果，人物站不上去。

GPT-5.6 Sol 做了完整街机流程，平台碰撞生效，更接近完整街机体验。

Kimi K3-魂斗罗

GPT-5.6 Sol-魂斗罗

5. 坦克大战

K3 版基地保护、升级、地雷等核心机制都在，但缺菜单、暂停、关卡返回和关卡管理。

GPT-5.6 Sol 有完整菜单系统、暂停菜单、结算界面和关卡配置校验，更像能长期打开的游戏。

Kimi K3-坦克大战

GPT-5.6 Sol-坦克大战

四、从 5 个游戏看 Kimi K3

判断维度就五个：能不能直接玩、画面完成度、操作手感、规则完整性、聪明程度。

K3 的优势：5 个游戏都能直接打开玩，核心机制成立；植物大战僵尸和拳皇 97 视觉氛围强，高光反馈密集；能在提示词之外主动加星星升级、武器切换等内容；某些单点（如角色渲染）甚至优于 GPT-5.6 Sol。

K3 的短板：规则完整性普遍不足。大多数游戏缺菜单、暂停、选关、存档校验等外围流程；部分游戏死亡惩罚过重、容错率低；单款游戏 UI 精致度参差不齐。

GPT-5.6 Sol 的成品感更强，因为它把预算花在了玩家不会夸但缺了会出戏的地方：菜单层级、规则持久化、边界校验、屏幕特效。

效率上也有差距。GPT-5.6 Sol 在 Codex 上合理利用子 Agent 并发，完成时间约为 K3 的 25%，token 消耗也更省。但 GPT-5.6 Sol 的 API 定价更高，加上跨境访问和支付门槛，国内个人开发者的实际使用成本反而更高。K3 虽然单次任务消耗更多 token，但国内可直接访问，进入门槛更低。

五、横向对比之外：纯 K3 做一个带数据库的全栈项目

游戏对比能直观展示两个模型的差异，但它有一个局限：场景相对单一，主要看前端表现力；而且前面 5 款游戏不管有没有后端，我们都没有把数据库部分作为呈现重点。我们还想知道，当任务从"写一个可玩的页面"切换到"非游戏类的真实全栈工程"，需要数据库设计、REST 接口、前端联调一起跑通时，Kimi K3 能不能独立完成。

于是我们单独给 K3 布置了一个全栈项目：基于开源项目 https://github.com/li-xiu-qi/paper-graph-manager（论文引用关系图谱管理系统），让它自己从零跑通后端、补齐接口、验证前端渲染。整个过程没有手动介入调试，全部由 K3 自己完成。

1. 环境启动与依赖修复

K3 的第一步是安装依赖并启动服务。它正确识别了 FastAPI 后端需要的全部依赖并安装完成，随后执行 uvicorn main:app --host 0.0.0.0 --port 8001启动服务。

启动过程中它连续遇到三个 ModuleNotFoundError：dotenv、pyvis、kimi_agent_sdk。K3 判断这些都是环境依赖问题，不是代码 bug，逐个安装后服务成功跑在 http://localhost:8001，健康检查返回 ok。

2. 后端功能实现与接口验证

核心需求是给论文引用关系增加完整的后端能力。K3 改动了三个文件：

• database.py：新增 paper_references表，含复合主键、外键、索引；

• graph.py：新增 build_reference_graph()和 export_reference_html()；

• main.py：新增 4 个引用端点 + 2 个图谱端点。

为了验证交付质量，K3 在全新端口 8002 上跑了 8 步端到端测试，全部通过：入库论文、添加引用、查询 outgoing/incoming、获取 graph、导出 HTML、删除引用、删除后验证为空。新增测试 36 个全部通过；全量 134 passed、2 failed，K3 用 git stash撤回自己的改动后这 2 个失败依然存在，证明是项目预存的 legacy 问题，与本次功能无关。