我们放下了 Kimi K3, (中文), GLM 5.3, (中文), Qwen3.8 Max 0902 以及 DeepSeek V4 Pro 0813 通过两次一次性编程测试相互竞争，全部运行在EmpirioLabs上。每次都用相同的提示，一次尝试，没有编辑或重试，所有结果都实时在真实浏览器中渲染。
观看四向对比
规格一览
| Kimi K3 | GLM 5.3 | Qwen3.8 Max 0902 | DeepSeek V4 Pro 0813 | |
|---|---|---|---|---|
| 制造者 | 登月计划 AI | Z.ai | 阿里巴巴 | 深搜 |
| 上下文窗口 | 1,000,000 代币 | 1,000,000 代币 | 1,000,000 代币 | 1,000,000 代币 |
| 输入 | 文本、图片与视频 | 正文 | 文本、图片与视频 | 正文 |
| 作出合理努力 | 最高 | 最高 | 最高 | 最高 |
| 结构化输出 | 严格 JSON 模式 | JSON 模式 | 严格 JSON 模式 | 严格 JSON 模式 |
| 投入价格 | 每100万个代币$3.00 | 每100万个代币$1.40 | 每100万个代币$2.00 | 每100万个代币$1.32 |
| 产出价格 | 每100万个代币$15.00 | 每100万个代币$4.40 | 每100万个代币$6.00 | 每100万个代币$3.96 |
我们的运行方式
每个模型都收到两个任务的相同提示：构建一个在单个HTML文件中自动运行的Flappy Bird游戏;构建一个在单个HTML文件中自行运行的Missile Command游戏。每个任务都要求一个独立且无外部库且能独立动画的HTML文件。四个模型均运行于 reasoning_effort：“max” 以65,536个令牌输出预算，一次性完成，不重试。每个面板的行数和读数tokens-per-second是基于真实API调用测量的，每个结果都是模型返回的文件，按原样渲染。
需要注意什么
DeepSeek V4 Pro 0813 返回文件的速度最快，约为每秒 115 个令牌。DeepSeek V4 Pro 0813 写入文件最长，平均约 920 行，Kimi K3 最紧凑，约 490 行。GLM 5.3 使用最多输出令牌，每个任务约 59,000 个，包括其推理。观察每个模型如何赋予场景生命：运动、细节以及它如何独立运行。我们不是在宣布赢家。运行该片段，根据你的实际使用情况判断输出。
对EmpirioLabs做同样的测试
curl https://api.empiriolabs.ai/v1/chat/completions \ -h “授权：承载者 $EMPIRIOLABS_API_KEY” \ -h “内容类型：application/json” \ -d '{ “model”： “kimi-k3”， “reasoning_effort”： “max”， “messages”： [{“role”： “user”， “content”： “构建一个在单个HTML文件中自动运行的Flappy Bird游戏。”}] }'交换 模型 到 glm-5-3, (中文), qwen3-8-max-0902 或 deepseek-v4-pro-0813 对其他请求执行相同请求，或在 操场。 。 。.
常见问题解答
结果被编辑或重试了吗？
不。每个模型每个任务都有一次尝试，提示完全相同，渲染出来的结果就是它返回的文件。
为什么要用最大推理？
公平的对比显示了每个模型的最佳状态。四个模型在EmpirioLabs都暴露出reasoning_effort控制，因此四个都运行在最高档位。
我应该用哪个型号？
DeepSeek V4 Pro 0813 在这里的输出价格是四款中最低的。在决定之前，先对比一下你的工作负载：同样的要求适用于四款，只是型号名称不同。
