⚡ Vue d'ensemble
Nous avons soumis trois modèles d'IA frontières à un défi d'ingénierie extrême : produire un simulateur de système solaire Three.js digne du cinéma à partir d'un seul fichier HTML — textures entièrement procédurales, shaders personnalisés, post-traitement bloom, contrôles interactifs, zéro ressource externe.
Une même requête, trois modèles, un face-à-face frontal. Le prompt fixait en détail les exigences de shader pour plus de 15 corps célestes (bruit FBM multi-couches, bruit de turbulence, bruit cellulaire), le halo solaire sur 3 couches, les bords en spirale de la Grande Tache Rouge de Jupiter, la division de Cassini dans les anneaux de Saturne, les lumières urbaines sur la face sombre de la Terre, etc. Aucun raccourci autorisé.
🤖 Modèles testés
| Modèle | Outil | Mission 1 : système solaire | Mission 2 : rendu urbain |
|---|---|---|---|
| GPT-5.6 Sol | Codex | 11 minutes | 11 + 33 minutes (deux passes) |
| Kimi K3 | Kimi Code | 45 minutes | Plus de 3 heures, abandon à la seconde passe |
| Qwen3.8Max | Appel direct | — | Moins de 10 minutes (deux passes) |
Ce n'est pas un benchmark formel — c'est un vrai stress test mené par l'utilisateur GitHub OBdangshang07. Même requête, mêmes attentes, mesure du temps écoulé entre l'appel de l'outil et la sortie complète. La qualité est jugée sur la fidélité visuelle et l'exhaustivité du code.
🌌 Mission 1 : le simulateur de système solaire
Le prompt réclamait un système solaire cinématique avec plus de 15 corps célestes, chacun nécessitant un ShaderMaterial dédié et plusieurs couches de bruit. Les exigences clés :
- Soleil : texture plasma dynamique + 3 couches de halo + taches solaires + particules de vent solaire
- Jupiter : bandes de bruit étirées multi-couches, bords en spirale de la Grande Tache Rouge, au moins 3 petits tourbillons
- Saturne : anneaux multi-couches semi-transparents + division de Cassini + diffusion de particules via
discardau shader - Terre : reflets spéculaires des océans, lumières urbaines sur la face sombre, atmosphère en coque de Fresnel
- Lunes : 4 lunes galiléennes + 4 lunes de Saturne, chacune avec sa propre texture procédurale
Résultats
| Critère | GPT-5.6 Sol (11 minutes) | Kimi K3 (45 minutes) |
|---|---|---|
| Qualité visuelle | ⭐⭐⭐⭐⭐ Shaders excellents, bandes de Jupiter très organiques | ⭐⭐⭐⭐ Correct, mais bruit de certains corps trop simple |
| Exhaustivité du code | Les 15+ corps au complet, lunes incluses | Corps au complet, certaines lunes simplifiées |
| Interactivité | Contrôles orbitaux fluides, panneau d'infos, accélération du temps | Contrôles similaires, finition de l'UI légèrement en deçà |
| Post-traitement | UnrealBloomPass finement réglé | Bloom présent mais moins raffiné |
| Stabilité | 60 fps stables | Chutes de framerate occasionnelles sur GPU bas de gamme |
🏙️ Mission 2 : le moteur de rendu urbain
Un cran au-dessus en difficulté : générer un moteur de rendu urbain temps réel avec plus de 50 paramètres ajustables, incluant une ville procédurale infinie, un cycle jour-nuit dynamique, une diffusion atmosphérique et une forêt dense de bâtiments 3D (chacun avec une texture différente).
Résultats
| Modèle | Première passe | Seconde passe (affinage) | Densité du bâti | Qualité des textures |
|---|---|---|---|---|
| Qwen3.8Max | Moins de 10 minutes | Moins de 10 minutes | ⭐⭐⭐⭐⭐ Dense et varié | ⭐⭐⭐⭐ Bonnes textures procédurales |
| GPT-5.6 Sol | 11 minutes | 33 minutes | ⭐⭐⭐⭐ Dense | ⭐⭐⭐⭐⭐ Détails excellents |
| Kimi K3 | Plus de 3 heures | ❌ Abandon | ⭐⭐⭐ Moyenne | ⭐⭐⭐ Correcte |
Kimi K3 a dépassé les 3 heures sur la première passe, puis a directement abandonné la seconde. La mission de rendu urbain met en lumière la faiblesse de K3 pour générer du code 3D complexe et sensible aux performances, où plusieurs systèmes interconnectés (routes, trafic, éclairage, génération de bâtiments) doivent coopérer.
📊 Constats clés
🏎️ Vitesse
Qwen3.8Max est le roi de la vitesse — moins de 10 minutes au total sur les deux passes. GPT-5.6 Sol se maintient autour de 11 minutes par tâche. Kimi K3 est 3 à 4 fois plus lent sur les tâches complexes.
🎨 Qualité
GPT-5.6 Sol livre la meilleure qualité visuelle — shaders plus soignés, couches de bruit plus organiques, post-traitement mieux réglé. Qwen3.8Max sacrifie un peu de polish visuel sur l'autel de la vitesse. La sortie de Kimi K3 reste exploitable mais n'atteint pas le rendu cinématique.
🔧 Fiabilité
GPT-5.6 Sol est le plus fiable — il a mené les deux missions à leur terme. Qwen3.8Max est rapide mais peut réclamer une passe d'affinage. Kimi K3 risque de partir en timeout sur les tâches multi-systèmes complexes.
🎮 Démos en ligne — jugez par vous-même
Voici les sorties réelles de chaque modèle. Ouvrez-les dans votre navigateur et comparez la qualité visuelle, l'interactivité et les performances :
☀️ Simulateur de système solaire
| Modèle | Temps de génération | Démo |
|---|---|---|
| GPT-5.6 Sol | 11 minutes | 🚀 Lancer la démo → |
| Kimi K3 | 45 minutes | 🚀 Lancer la démo → |
🌃 Moteur de rendu urbain
| Modèle | Temps de génération | Démo |
|---|---|---|
| GPT-5.6 Sol | 11 + 33 minutes | 🚀 Lancer la démo → |
| Kimi K3 | Plus de 3 heures | 🚀 Lancer la démo → |
| Qwen3.8Max | Moins de 10 minutes × 2 | 🚀 Lancer la démo → |
🎯 Ce qu'il faut en retenir pour les développeurs
- La meilleure qualité visuelle avant tout ? → GPT-5.6 Sol (Codex). Les shaders les plus poussés, la sortie la plus soignée.
- La vitesse avant tout ? → Qwen3.8Max. Ultime rapidité, qualité largement suffisante pour des prototypes.
- De la 3D multi-systèmes complexe ? → Évitez Kimi K3 pour l'instant. Il excelle sur les tâches simples mais peine sur les systèmes interconnectés.
- Sensibles au coût ? → Qwen3.8Max offre le meilleur rapport temps/qualité.
L'écart entre les modèles ne se résume pas à la vitesse — c'est aussi une question de plafond de complexité. GPT-5.6 Sol sait absorber un prompt qui requiert plus de 15 systèmes de shaders interdépendants. Qwen3.8Max est rapide mais peut demander une passe d'affinage. Kimi K3 bute plus bas sur les tâches 3D complexes.
Pour la génération mono-fichier HTML — ce nouvel étalon du « vibe coding » — GPT-5.6 Sol devance en qualité, Qwen3.8Max devance en débit. À vous de choisir selon votre priorité.
📎 Code source
Tout le code, les prompts et les résultats de test sont en open source : github.com/OBdangshang07/AI_project
Tests menés par l'utilisateur GitHub OBdangshang07. Les démos reprennent les fichiers de sortie HTML originaux.