前言
10月16日，马斯克又又又又"秀肌肉"了：他把特斯拉发布会搬进SpaceX基地，直接将特斯拉Roadster开上了天。只见Roadster先在半空悬停，随后在空中翻转，接着喷出火箭般的气流调整姿态并重新落地。整套动作不过几十秒，却足以让世界震撼。
眼看特斯拉的黑科技在互联网上疯狂刷屏，而国内某车企仍在为踏板断裂事件忙于公关，笔者也是痛心疾首、怒其不争，希望汽车领域也能像我国大模型领域一样奋起直追。最近我国大模型领域成果频出：笔者常用的Trae迎来重大升级，Vibe Coding概念进一步加强；10月17日，笔者最常用的大模型DeepSeek-V4.1-Flash也迎来全新版本（我就知道，DeepSeek前两天的大规模崩溃事件背后绝对有大事发生）。官方介绍其性能非常强劲，在强化学习加持下，在项目开发、游戏开发等领域表现亮眼。
这时笔者脑海浮现了一个想法：能否利用最新大模型与Three.js技术，复现特斯拉汽车飞行的名场面？毕竟笔者还没看够，同时顺带评测不同顶级模型（字节跳动 Seed-2.1-Pro-0915 和 DeepSeek-V4.1-Flash-1017）的能力。
一、任务：复现特斯拉汽车飞行经典场面
本次笔者希望两个模型复现的场景如下图所示：特斯拉Roadster加速行驶，在前方有多辆车和一辆半挂重卡的情况下，底部突然喷射气流，腾空后侧向翻转并稳稳落地。
该场景复现难度很高：大模型既要兼顾各类物体的建模美感，也要处理飞行轨迹等物理因素。在当前各家纷纷强调多模态能力之际，无疑是对大模型多模态能力的极大考验。
本次笔者选用两组模型与智能体组合，共两位"参赛选手"：
- 第一位参赛选手是 Trae+Seed-2.1-Pro-0915 模型。笔者在文章 仅需3轮对话，Seed-2.1-pro-0915大模型帮我创造出 "知识跳动"------一个智能化时代的知识学习系统！中，通过该组合完成了一个非常满意的学习网站。该组合的多模态调试能力给笔者留下很深印象，也一度成为笔者软件开发的主流组合。
- 第二位参赛选手是 DeepSeek-Harness+DeepSeek-V4.1-Flash-1017。熟悉笔者的读者一定知道，笔者非常喜欢 DeepSeek-Harness 的设计哲学，还出了DeepSeek Harness从入门到进阶专栏。而10月17日恰逢DeepSeek团队推出新模型，官方介绍中对3D建模、游戏场景的描述十分吸引人，正好也测试该模型是否如宣传般强大。
针对上述场景，由于笔者发现部分大模型对 GIF 识别不佳，常常只读取首帧，因此笔者先用软件将 GIF 动图拆分为108帧。模型需要通读这108帧，建立时序联系，并强化关键帧还原，才能较好模拟图中效果。这对大模型的时序建模能力提出了考验。可以说，这次复杂场景测试把大模型能力评测拉满了。
同时，为保证评测公平，本次输入提示词保持一致。提示词如下：
text
项目文件夹中的 1.png--108.png 是特斯拉 Roadster 汽车飞跃障碍物的逐帧图。请务必参考这些按时间顺序排列的逐帧图，编写代码并使用 Three.js 还原模拟特斯拉 Roadster 汽车飞跃障碍物的场景，代码存到工作区中的文件夹中提示词不过多强调细节，主要让模型发挥主观能动性。以下是具体说明。两个模型生成的完整代码均可在 github.com/TangBaron/t... 获取。
二、DeepSeek-Harness + DeepSeek-V4.1-Flash-1017
10月17日，DeepSeek 团队发布新模型 DeepSeek-V4.1-Flash。此次更新核心直指"许愿式编程"。相比上一版，1017 在 DeepSWE v1.1 上得分大幅提升，甚至超过 GPT-5.6 Sol、Claude Opus 5。在官方发布的文章中，展示了故宫 3D 建模、网页版赛车游戏、基于 Godot 引擎开发的《传送门2》复刻等案例，画面精美、建模精巧，场景动态流转顺畅，操作与画面反馈都很出色。笔者第一时间用该模型进行测试。
本次笔者使用 DeepSeek Harness 智能体，希望借助 DeepSeek 自家智能体发挥新模型的最大性能。输入提示词后，DeepSeek Harness 开始紧张工作。可能该场景还原确实复杂，DeepSeek共耗时1小时0分36秒才完成任务。
DeepSeek Harness 生成 dsh 文件夹，用于存放相关文件。可以看到，three.js 等 3D 建模的主体逻辑代码都放在 src 目录中。生成过程中，DeepSeek Harness还截取部分场景运行关键帧，与参考图进行对比，以保证汽车美观度和运行轨迹。最终生成结果如下所示：
可以看到，DeepSeek在汽车建模美观度上表现十分精美，车辆底部喷气、烟尘粒子的还原真实感很强。更重要的是，DeepSeek对车辆翻转轨迹和运镜的复刻相对完美。此外，DeepSeek还自主扩展了4种视角，用户可以切换不同视角观察。不愧是"许愿式编程"，想要的和没想到的都实现了。
不过也有美中不足的地方，首先参考图中车辆是朝一排车辆的侧面行驶，建模中却变成了正面；其次一排车辆中有一辆半挂重卡，但 DeepSeek 将其识别成了面包车。总体仍非常不错，10分制可打8分。
三、Trae+Seed-2.1-Pro-0915
10月9日，Trae 迎来重大升级，将Trae Work与Trae Code合并。用户通过Trae桌面图标打开后，不再是此前的IDE界面，而是变为类似其他Harness的项目管理形式。这被视为字节进一步加强Trae编程智能体Vibe Coding理念的举措。
不过笔者更熟悉此前的 IDE 模式，所以仍使用 IDE 模式。模型选择Seed-2.1-Pro-0915这款旗舰模型，在 Chat框输入提示词后开始工作。Trae+Seed 进一步发挥了通过截图进行多模态调试的能力。由于任务复杂，总用时比DeepSeek 还多，共1小时33分钟。
但从最终结果看，Seed模型的表现并不尽如人意。首先汽车等物体的建模不如DeepSeek 精致。最关键的是，汽车面对障碍物时并未通过自身喷气跳跃，而是借助踏板起跳，空中翻滚方向也未遵循参考图中的运动轨迹。难道是Seed模型对物理规则遵循得过强，认为小车必须经过坡道才能飞升？可特斯拉这次干的正是"打破物理定律"的事。10分制只能打6分。
四、总结
综合来看，DeepSeek-V4.1-Flash-1017 更胜一筹，赢得本次对比测试。看到国产模型不断进步、能力持续提升，笔者非常欣慰。当然，鉴于我国互联网产业实力，豆包模型之后也一定会奋起直追、不断完善，形成你追我赶的良性循环。
在此也呼吁某些车企向大模型领域学习，坚持技术至上；即便技术暂时卷不动，首要考虑的也应是安全，希望多多反思。
如果大家觉得有收获，欢迎点赞、收藏，关注我的专栏《DeepSeek Harness 从入门到进阶》，后续更新不错过。下篇见！更多精彩内容，如果大家感兴趣，欢迎关注笔者的掘金账号与专栏，也可关注笔者的同名微信公众号大模型真好玩，每期分享涉及的代码均可在公众号私信。