(交互式)OpenCode 赛车游戏对比：Qwen3.6 35B vs Qwen3.5 122B vs Qwen3.5 27B vs Qwen3.5 4B vs Gemma 4 31B vs Gemma 4 26B vs Qwen3 Coder Next vs GLM 4.7 Flash

你可以在这里试玩：[https://fatheredpuma81.github.io/LLM\_Racing\_Games/](https://fatheredpuma81.github.io/LLM_Racing_Games/) 这项测试最初只是简单对比 Qwen3 Coder Next 和 Qwen3.5 4B，因为它们的基准分数相近。随后我陆续尝试了其他模型，并最终决定分享这次结果，尽管我对自己的测试流程并非完全满意。如果你想了解具体操作，请查看右上角的“工作原理”；简而言之（TLDR）：关闭视觉功能，在 Plan 模式下发送相同的初始提示词，启用 Playwright MCP 并发出相同的首发指令，接着进行 3 轮测试，期间我反复运行游戏并向大模型指出发现的问题。如果今后有机会重做，我有很多地方会调整。比如为其中一个模型保留并展示全部 4 个版本的 HTML、不关闭视觉功能（这严重拖累了 Qwen 27B 的表现，当初关闭只是为了在 4B 和 Coder 之间做同等条件对比），还有各种想法我就不一一赘述了，毕竟太累记不清了。以下是一些有趣的观察： * Qwen3 Coder Next 的游戏看起来确实有赛道，但赛道实际上是由不可见墙体拼凑而成的。 * Gemma 4 31B 和 Qwen3.5 27B 在每一轮都输出完整代码，而其他模型主要以增量编辑为主。 * Gemma 4 31B 的游戏一度真正渲染出了道路。 * Qwen3.5 27B 在最后一步意外禁用了 Playwright MCP，反而造就了车辆能够以合理速度移动和转向的效果。从第 1 版到最后一版 HTML，实际改动仅仅增加了树木。 * Qwen3.5 27B 是唯一让轮胎能够转向的模型，不过你可能根本看不见它转。 * Gemma 4 26B 是唯一添加音效的模型。 * Gemma 4 26B 添加了当你撞上墙壁时火箭队汽车“再次起飞”的彩蛋，但随后 OpenCode 在执行过程中基本崩溃，我不得不回滚版本，最终呈现的是缺乏该彩蛋的纯音效版本。 * GLM 4.7 Flash 和 Gemma 4 26B 是唯二生成子智能体的模型。GLM 将其用于规划阶段的信息检索，而 Gemma 在最后一步用它来实现音效。 * 发现 GLM 4.7 Flash 如果不加以适配就无法直接运行 Q8_0 K Cache 量化。 * Qwen3.5 4B 使用 NPX 安装了自身版本的 Playwright，然后在第 2/3 轮的 Bug 修复阶段开始同时调用双版本。 * GLM 4.7 Flash 的最终输出生成了白屏，于是我回退了一步并要求它重新输出完整代码。所以它大概只跑了 2 轮？ * Qwen3.6 35B 的游戏在多方面出现了倒退。虽然取消了画面抖动，赛道变窄了，碰撞箱也和墙体完美贴合，但小地图反而更乱了，我认为它是混淆了小地图赛道和物理赛道。