核心内容总结
国产大模型Kimi K3在全球编程排行榜上拿了第一，但在真实开发场景（写能运行的BAT游戏脚本）中表现拉胯：免费版键盘控制不了角色，付费版连画面都出不来；而GPT-5.6 Codex一次就搞定。这暴露了AI行业的一个问题——过度迷恋“跑分”（考试能力），却忽视真实工作能力；背后是资本驱动的内卷，像过去互联网的补贴战。文章呼吁AI公司要跳出刷榜循环，关注用户真实需求和解决实际问题的能力。
1. 全球第一的Kimi，为啥写不出能玩的小游戏？
Kimi K3在WebDev Arena排行榜上拿了1679分，全球第一，听起来很牛。但朋友童佟的测试打了脸：让AI用BAT脚本写个能玩的ASCII版《小蜜蜂》（要求键盘控制、敌机移动），免费版K3虽然画出了游戏画面，但键盘控制不了；升级到699元订阅版，试了5次连画面都没正常输出。而GPT-5.6 Codex一次就写出能直接运行的程序。
这不是说K3整体不行，而是它在“偏门”（训练数据少、没标准答案）的真实任务上露了怯——因为这些任务考的不是“见过多少题”，而是“真的理解怎么做”。
2. AI行业得了“高考病”：刷榜厉害，干活不行？
文章把现在的AI发展比作中国教育：模型公司拼命刷各种排行榜（WebDev Arena、SWE-Bench等），就像学生刷高考题，分数越来越高，媒体和资本都兴奋。但一到真实工作场景就拉胯：代码写了跑不了，方案好看落地难，PPT漂亮执行漏洞多。
这不就像高考700分的学生，数学英语满分，却不会做PPT、谈客户、带团队？因为考试（刷榜）和工作（解决实际问题）根本不是一回事——排行榜有标准答案，真实世界却没有。
3. 为啥都爱刷榜？资本驱动的“循环游戏”
为啥所有公司都迷恋跑分？因为排行榜早已不是技术榜，而是融资成绩单。过去半年中国AI进入“月更时代”，Kimi、腾讯混元、阿里千问等每月都出新模型，不敢停。不是技术竞争激烈，而是资本竞争激烈：
- 排行榜越高→估值越高（比如DeepSeek估值710亿美元）→融资越容易→买更多GPU、招更多人→训练下一个模型→再刷更高分。
这和十年前滴滴快的补贴大战、美团摩拜烧钱扩张一样，只是把“补贴”换成了“跑分”——大家都在为资本讲故事，而不是为用户解决问题。
4. 破局者：有人开始不玩“跑分游戏”了
不是所有公司都在刷榜。比如腾讯发布混元Hy3时，没重点提排行榜，而是强调真实业务场景；OpenAI过去一年也很少谈跑分，转而做Codex（能完成整个编程项目）、Agent（像人一样处理任务）等。
这些做法看似不震撼，却更接近真实工作：真正的程序员每天只有20%时间写代码，80%在调试、修Bug、改方案。AI的核心不是“第一次写出代码”，而是“能不能把事情做完”——就像Codex在测试中，不是代码写得漂亮，而是直接完成了能玩的游戏。
5. 中国AI的真正战场：不是排行榜，是用户的日常需求
文章肯定Kimi K3是国产模型的进步（第一次进全球第一梯队），但警告不要重复互联网内卷：过去拼流量、补贴、融资，现在拼参数、跑分、估值，本质没变。
真正的成功不是排行榜第一，而是用户愿意每天用。微信不是因为排行榜成功，抖音也不是因为参数第一——伟大产品赢在解决用户真实需求。AI的价值不是“替人考试”，而是“替人工作”：比如帮你写完代码还能调试好，帮你做方案还能落地执行。
最后一句话总结
Kimi K3是国模之光，但赢了排行榜不代表赢了未来。AI公司要跳出资本驱动的刷榜循环，把精力放在解决用户的实际问题上——这才是真正的竞争力。