任务
一张休斯顿微缩城市的参考图:浮空的方形沙盘,市中心高楼群,一侧有航天飞机,河流和高架绕城而过,晴天有光束从云里打下来。要求做成可以旋转的 3D 场景,天气要动态:晴天看得到阳光变化,雨天下雨,雪天下雪。三个模型都用免费的 Open-Meteo 接口取休斯顿实时天气。
参与的模型与 Harness
| 模型 | Harness | 厂商 | 日期 | 状态 |
|---|---|---|---|---|
| Claude Opus 5.5 | Claude Code | Anthropic | 09.23 | 已完成 · 3 个版本 |
| GPT-6 Astra | Codex | OpenAI | 09.06 | 已完成 · 2 个版本 |
| Kimi K3 | Kimi Code | Moonshot AI | 07.20 — 07.25 | 已完成 · 2 个版本 |
| DeepSeek V4.1 Flash | Claude Code | DeepSeek | 09.24 | 已完成,但城市与参考图完全不符 |
| 豆包 2.1 Pro | 豆包工作 | 字节跳动 | 09.24 | 未收尾 · 停在自检阶段 |
同一个模型换一个 Harness,工具链、上下文管理和自检方式都会不同,所以这里把两者成对记录。DeepSeek V4.1 Flash 和 Claude Opus 5.5 用的是同一个 Harness,可以单独看模型本身的差别。
时间线
- Kimi K3
第一次尝试。R3F 程序化城市一小时成型,被打 2 分;讨论要不要换游戏引擎,调研后结论是瓶颈在素材。
- Kimi K3
改用 img2threejs 流程,对照参考图重建沙盘。途中 API 断连停了三个多小时。
- GPT-6 Astra
第一次引入 Blender:脚本生成整座城,22 分钟上线;之后四轮反馈补上街景、体积光和真实太阳。随后扩展到另外八座城市。
- Claude Opus 5.5
19 分钟纯代码首版;借用 GPT-6 Astra 的页面版式,重写体积光;接入 Blender MCP 精修楼体。
- DeepSeek · 豆包
用统一提示词测试 DeepSeek V4.1 Flash(Claude Code)与豆包 2.1 Pro(豆包工作),都只发一轮:DeepSeek 33 分钟完成并自检,但做出的城市与参考图完全对不上;豆包在截图验证时工具超时,停在未收尾状态。
- 本站
把三个模型的七个版本收拢成一个站点,部署在 US1,经 Cloudflare 加速。
工具与时间
| Claude Opus 5.5 | GPT-6 Astra | Kimi K3 | DeepSeek V4.1 Flash | 豆包 2.1 Pro | |
|---|---|---|---|---|---|
| Harness | Claude Code | Codex | Kimi Code | Claude Code | 豆包工作 |
| 技术栈 | 原生 JS · Three.js | vinext · React · Three.js | Vite · React · R3F | 原生 JS · Three.js | 原生 JS · Three.js |
| 建模 | Blender MCP 建楼体,其余代码生成 | Blender 命令行脚本生成整座城 | 手写 three.js 几何 + Canvas 贴图 | 程序化,楼体着色器画窗(与参考图不符) | 程序化 + Canvas 贴图 |
| 辅助工具 | Chrome DevTools MCP 截图验证 | computer-use、ChatGPT Sites | img2threejs、Playwright | Chrome DevTools MCP 截图验证 | computer-use 截图(超时) |
| 首版用时 | 19 分钟 | 22 分钟,含上线 | ~34 分钟 | 33 分钟 | 未收尾 |
| 总工时 | ~3.2 小时 | ~1.8 小时 | ~3 小时 | ~33 分钟 | ~1.4 小时 |
| 用户发言 | 10 | 7 | 16 | 1 | 1 |
| 输出 Token | 251K | 98K(推理 29K) | 181K | 242K | 未记录 |
| 缓存读取 | 44.7M | 26.4M | 46.8M | 72.1M | 未记录 |
遇到的问题
- 细节与质感。三个首版都偏积木。Kimi 始终停留在方块加画出来的贴图;GPT-6 Astra 和 Claude 借 Blender 才明显提升。
- 光束是假的。GPT-6 Astra 和 Claude 最初的丁达尔光都是固定平面,都在被指出后改成读取阴影贴图的体积光。
- “活城市”靠人催。车流、行人、树摆、窗灯错落、按经纬度算太阳,几乎都是用户逐条点名后才补上。
- 环境与工具链。Kimi 的开发服务器被回收、API 断连;GPT-6 Astra 的 Blender GPU 渲染卡死;Claude 的 Blender MCP 排障一小时。
- 不听插话。Kimi 派出的子代理在用户要求先讨论后仍继续重写,还卸掉了依赖。
- 自评不可靠。img2threejs 的质量门由模型自评,硬指标没过也被记成豁免。
几件值得记下的事
- 第一版决定不了什么。差距在后面几轮反馈里拉开:人说得越具体,改得越到位。
- 瓶颈在素材,不在框架。拉开差距的是几何细节和光影。
- 工具进场之后,看它接手了多少。同样用 Blender,GPT-6 Astra 生成整座城,Claude 只交给它楼体。
- 好的设计会被继承。Claude 的页面版式直接来自 GPT-6 Astra 的作品。
- 成本在上下文。输出都只有几十万 Token,缓存读取却以千万计。
版本如何保存
七个版本都保持原样运行,没有改动原项目代码:
- Claude v3 · Kimi v2:项目目录当前代码。
- Claude v1、v2:项目没有用 Git,按会话记录里的写文件操作逐条回放复原到 13:59 和 14:49;回放到结尾与现有文件逐字节一致,并与 Claude Code 的文件历史备份交叉核对。
- GPT v2:项目工作区当前代码,只保留休斯顿。原项目依赖服务端接口,这里改为静态导出,天气接口由一个照搬原逻辑的小服务提供。
- GPT v1:Git 提交
de87660,也是当时发布上线的版本。 - Kimi v1:Kimi 改用 Babylon 前把 R3F 代码备份在
_r3f_backup/,构建时替换回去。
预览里隐藏了各作品自带的面板,并把像素比限为 1 以节省显卡;只在被嵌入时生效,单独打开时与原作一致。
预览底部的时间尺统一按北京时间计。有昼夜系统的版本(Claude 三版、GPT-6 Astra v2)直接驱动其场景时刻,其中 GPT-6 Astra v2 为此在站点构建副本里加了一个只接收外部时刻的钩子;没有连续昼夜的版本(Kimi 两版、GPT-6 Astra v1)以整体亮度模拟,画面右上角会标注。