Les dimos a cuatro modelos de programación de frontera los mismos tres prompts de juego y les dejamos construir. Sin ediciones, sin repeticiones. Kimi K2.7 Código de Moonshot AI, DeepSeek V4 Pro, Qwen3.7 Max de Alibaba, y GLM 5.2 de Z.ai cada uno escribió un Snake auto-jugable, un Breakout auto-reproducido y un Pong auto-jugable, cada uno un archivo HTML autónomo sin bibliotecas. Los cuatro funcionan en EmpirioLabs detrás de una API compatible con OpenAI.
Mira cómo los cuatro lo construyen
Cómo lo gestionamos
Cada prompt iba a cada modelo como un mensaje de usuario, un solo shot, renderizado exactamente como se devolvía sin editar. El esfuerzo de razonamiento estaba al máximo. No hay anulación de temperatura ni aviso del sistema. La producción máxima era de 32.000 tokens. Cada prompt pedía un juego auto-jugable como un único archivo HTML autónomo con todo CSS y JavaScript en línea, sin bibliotecas externas, sin CDN y sin importaciones.
Los resultados
Los cuatro modelos devolvían un juego de archivo único funcional en cada prompt a la primera. Aquí está el tamaño de cada respuesta, en líneas del archivo HTML final.
| Test | Kimi K2.7 Código | DeepSeek V4 Pro | Qwen3.7 Max | GLM 5.2 |
|---|---|---|---|---|
| Serpiente auto-jugada | 374 líneas | 744 líneas | 460 líneas | 526 líneas |
| Revelación auto-jugable | 295 líneas | 762 líneas | 335 líneas | 370 líneas |
| Pong auto-jugable | 240 líneas | 640 líneas | 258 líneas | 321 líneas |
Lo que hemos notado
Cada modelo lanzaba un juego jugable a la primera, pero llegaban de formas muy diferentes. DeepSeek V4 Pro escribía con diferencia más código en las tres tareas, a menudo más del doble de líneas que las otras. El código Kimi K2.7 era el más conciso. Qwen3.7 Max y GLM 5.2 aterrizaron en medio. Más líneas no son mejores ni peores por sí solas, así que lo que hay que ver es cómo se ve y se juega cada partido en el clip. No estamos nombrando un ganador. Elige el que tenga que ver con el trabajo que te guste.
Haz la misma prueba tú mismo
Los cuatro sirven con la API Chat Completions compatible con OpenAI, por lo que compararlos es un cambio sencillo. Point base_url en https://api.empiriolabs.ai/v1 y establecer el id del modelo.
curl https://api.empiriolabs.ai/v1/chat/completions \ -H "Autorización: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Contenido: application/json" \ -d '{ "modelo": "kimi-k2-7-code", "mensajes": [{"rol": "usuario", "contenido": "Construye un juego de Serpiente auto-jugable como un solo archivo HTML, sin bibliotecas."}] }'Intercambio "modelo" a deepseek-v4-pro, qwen3-7-max, o glm-5-2 y lo vuelvo a ejecutar. Cada modelo frontera está detrás de la misma API, así que puedes compararlos en tus propias indicaciones sin cambiar tu código. También puedes hacer que los cuatro estén uno al lado del otro en el parque infantil.
Preguntas frecuentes
¿Qué modelos de codificación se probaron?
Código Kimi K2.7 de Moonshot AI, DeepSeek V4 Pro, Qwen3.7 Max de Alibaba y GLM 5.2 de Z.ai. Los cuatro funcionan en EmpirioLabs a través de una API compatible con OpenAI.
¿Cuáles eran las tres pruebas?
Un Snake auto-jugable, un Breakout auto-jugable y un Pong auto-reproducido, cada uno un único archivo HTML autónomo sin bibliotecas externas, que se reproduce solo sin entrada del usuario.
¿Se editó o volvió a intentar algo?
No. Cada modelo tenía una oportunidad por prompt y renderizábamos exactamente lo que devolvía, funcionara o no.
¿Qué modelo escribió más código?
DeepSeek V4 Pro escribió más líneas en las tres tareas, y Kimi K2.7 Code fue la que menos escribió. El número de líneas es solo una medida de tamaño, no de calidad, así que mira el clip para ver cómo se juega cada partida.
¿Cómo cambio entre los modelos?
Cambia una cuerda. Los cuatro sirven a la API de Completación de Chats de OpenAI en https://api.empiriolabs.ai/v1, así que configuras el ID del modelo y mantienes el resto de la petición sin cambios.
Pruébalo
Abrir el parque infantil Silencio Explora todos los modelos Silencio Precios
