科技论坛 Linux.do 用户发布了对 Kimi K3.1（Kimi Code）编程能力的实测帖。测试任务为：根据 5 张参考图片（两张 HEIC 实拍照片与三张 PNG 图片），使用 Three.js 绘制一个可交互的 3D Steam Controller，最终交付单文件 HTML。这套素材此前曾用于测试 Gemini 4 Argon，保证了多模型对比的条件一致。
测试结果显示，Kimi K3.1 表现不佳：第一版产出被评价为’无比粗糙和偷懒’，像降智的 flash 模型；第二版在无详细提示的情况下自行修改，但改动有限，LOGO 仍不正确，部件形状与空间关系有误；第三版通过截图指出细节后，模型承认问题并进行修改，但在接近完成、开始验证时触发了 5 小时冷却限制。该测试使用 199 元套餐，且并非从满额度状态开始使用。
作者同时预告了横向对比结果：Opus 5.5 High（Antigravity）是唯一一个会主动测量位置和空间关系的模型。此外，Opus 5.5（Antigravity）、DeepSeek V4.1 Flash 1017（OpenCode Go）、Gemini 4 Argon（Ultra 5x）重测，以及 GPT 6 Astra（Team 5x）的测试仍在进行中，完整结果待后续更新。
事件分析
这轮实测折射出 AI 编程评测正在从’能否跑通’转向细节还原度的比拼。3D 建模任务涉及几何比例、部件空间关系与视觉细节复现，对模型的空间理解和长程规划能力要求较高。Kimi K3.1 三版迭代仍无法修正 LOGO 与部件关系，暴露出当前模型在细粒度指令遵循与自我校验上的短板。相比之下，Opus 5.5 会主动进行位置测量，说明头部模型已开始显式引入’测量—验证’类工作流，这种 Agent 行为差异或成为下一阶段模型能力分层的分水岭。此外，199 元档套餐在高强度任务中即触发 5 小时冷却，显示前沿模型推理成本仍然高企，订阅定价与重度使用需求之间存在明显落差。待后续多模型横测给出统一任务的完成度对比后，将为开发者选型提供更直接的参考依据。
核心观点：大模型编程竞赛已从跑通代码转向细节还原与空间理解，主动验证能力正成为头部模型分层的分水岭。
原文链接：Linux.do
