Command Code 在 3D SubwayBench 上测试 Mimo-V2.6-Flash、Grok-4.7 和 DeepSeek-V4.1-Flash

核心信息

Command Code 工程团队使用相同的 /design 提示在 3D SubwayBench 基准上对比了 Mimo-V2.6-Flash、Grok-4.7 和 DeepSeek-V4.1-Flash。DeepSeek-V4.1-Flash 以 0.024 美元成本获得 9/10 分，一次性生成强大的 3D UI/UX 和玩法；而 Grok 4.7 仅得 3/10，成本为 0.35 美元且需要更多迭代。

要点

• DeepSeek-V4.1-Flash：9/10，0.024 美元，一次性成功，3D UI/UX 和玩法表现强劲。
• Mimo-V2.6-Flash：8/10，0.018 美元，约 4 次迭代产出可玩的 2D 结果。
• Grok 4.7：3/10，0.35 美元，UI 和玩法较慢，需更多迭代。
• 团队已在前沿和开源模型上进行了 26 多次并排对比；所有运行公开且开源。