Gemini 3.6 Flash：PromptsLove 在 OpenCode 中与 Kimi K3 的同配置实测

一句话结论

在作者声称相同 OpenCode harness、相同 prompt、Gemini 3.6 Flash high thinking 与 Kimi K3 对照的四项任务中，Gemini 的表单应用功能可用、视频分析明显占优，但前端多要求遵循和赛车游戏交互失败，说明“低价多模态强”与“精细交互代码可靠”是两条不同能力轴。

适用场景

• 适合的任务：视频/音频/文档直接分析、结构化表单后端功能、成本敏感的研究和多模态 Agent。

• 不适合的任务：前端视觉细节、复杂交互游戏、对每个要求都必须逐项完成的单轮生成。

• 适用的模型版本：Gemini 3.6 Flash；对照为 Kimi K3，不能把对照差异当成绝对排名。

• 适用的客户端、Agent 或 API：OpenCode；作者另在 Gemini app 中测试视频上传。

• 推荐的推理档位和参数：作者使用 high thinking；文章称两模型采用相同 setup，但未公开完整系统 prompt、temperature、工具 schema 和原始 prompt 文件。

测试环境

• 作者使用 OpenCode coding harness，Gemini 3.6 Flash 设为 high thinking；Kimi K3 使用相同设置以减少 harness 偏差。

• 四项任务：前端 landing page、Neo Circuit 浏览器赛车游戏、FormCraft AI 表单构建器、两分钟 Instagram 视频分析。

• 作者说明每个 prompt 只发送一次，不反复重试到满意；但对照结果部分复用此前 Kimi K3 会话输出。

输入/配置

• 前端任务要求 scroll scatter、scroll pointers、animated counters、parallax 和 responsive palette。

• 赛车游戏要求 vehicle picker、start sequence、controls 和 nitro boost。

• FormCraft 要求登录/注册、三类角色 dashboard、表单提交、CSV export 和编辑。

• 视频任务是上传两分钟 Instagram 视频，分析 hook、engagement、retention 并生成同模式脚本。

• 价格对照：Gemini 输入 $1.50 / 输出 $7.50 每百万 tokens；Kimi K3 为 $3 / $15。

结果数据

结论

这是一项有明确任务和一次性发送规则的 field benchmark，最值得复用的是按工作类型路由：多模态文件优先 Gemini，精细前端/交互代码必须做视觉与行为回归，并准备编码型模型兜底。作者还建议使用 thinking_level 而不是旧式手动 chain-of-thought，并减少旧采样参数，但这些配置应以 Google 当前 API 文档为准。

局限

• 对照并非完全同时新跑：Kimi 部分结果复用此前会话；作者没有公开所有原始 prompt 和产物链接。

• 样本只有四项任务、每项一次；结果不能代表所有代码、游戏或视频工作流。

• 文章大量引用 Google 官方 benchmark 和其他二手来源，实测与官方数字必须分开。

• 视觉“过时”和“粗糙”带有作者主观评分；功能可用性也没有公开自动化测试日志。

复现步骤

1. 在 OpenCode 中固定相同版本、权限、工具、上下文和 high thinking 配置，分别接入 Gemini 3.6 Flash 与 Kimi K3。

2. 使用同一份前端、游戏、表单和视频 prompt，各运行一次并保存完整产物、截图、控制台日志和 token/耗时。

3. 用任务清单逐项验收：每个视觉要求、每个交互事件、表单数据落盘/导出、视频时间线和脚本准确性。

4. 再用 medium/low thinking 做成本曲线，报告每项通过率、人工修订时间和每任务成本，不仅记录“看起来更好”。

原始证据与数据

文章公开了 OpenCode、高 thinking、四项任务、一次发送规则、输入/输出价格和每项任务的具体失败/成功描述；没有公开可下载 prompt 文件，因此“同配置”可复核程度低于完整开源测试。

来源摘录或观察（仅做合规短引）

作者将实测结论概括为 “mixed results”；这比把四项任务总结成单一胜负更符合其数据边界。