这款轻松的小游戏
陪伴了很多人的闲暇时光
但想玩的时候又找不到？
不如自己生成一个！
不懂编程？没关系，只要把规则写清楚！
近日，中国电信人工智能研究院（TeleAI）与中电信人工智能科技有限公司正式开源星辰语义大模型首个代码模型 TeleChat3-Coder-36B-Thinking，根据自然语言描述就能快速生成各类应用程序。
例如上面“大鱼吃小鱼”的游戏，只要给出游戏界面的风格、交互规则、玩法说明等核心描述，TeleChat3-Coder-36B-Thinking 就能编写出完整的 HTML 代码。
**游戏名称**: 大鱼吃小鱼
**基本功能**:
游戏界面为水域风格的操作区域，包含核心元素：
- 玩家小鱼（可操控角色，有基础大小）
- 其他鱼（不同大小的鱼类，随机分布在操作区域）
- 基础功能区：显示当前得分、“开始/重新开始”按钮
- 简单提示区：文字显示吃小鱼得分、被大鱼吃掉、游戏胜利/失败等反馈
2. 核心交互规则：
- 操控逻辑：方向键（上下左右）控制玩家小鱼在水域内自由移动，无法超出操作区域边界
- 吞噬规则：
① 吃小鱼：玩家小鱼接触到比自身小的鱼时，判定吞噬成功，被吞噬的鱼消失，玩家小鱼体型变大，得分增加，提示吞噬成功
② 被大鱼吃：玩家小鱼接触到比自身大的鱼时，立即判定游戏失败，禁用所有操作，提示“被大鱼吃掉！游戏失败”
- 胜利判定：玩家小鱼吞噬足够多的小鱼，体型达到设定的最大尺寸时，判定游戏胜利，禁用所有操作，提示“成为最大的鱼！通关成功”
- 鱼类生成：游戏开始后，不同大小的鱼会随机出现在操作区域，数量和移动速度由代码合理控制
3. 基础玩法：
1) 游戏初始化后，点击“开始”按钮启动游戏，各类鱼开始随机移动；
2) 玩家通过方向键操控小鱼移动，优先吞噬比自己小的鱼长大，避开比自己大的鱼；
3) 游戏失败/胜利后，点击“重新开始”可重置小鱼体型、得分和所有鱼类位置，重新游玩。
请基于上述要求编写完整 HTML 代码
不仅是小游戏，还能生成专属的“家庭健康档案”，定期记录家人的体重变化、血压指标等，守护全家的健康状况。
请开发一个家庭共享健康档案网页，核心功能需包括：
1、家庭成员管理：顶部显示家庭成员头像和名字的选项卡，点击可切换查看不同成员的健康数据。
2、共享数据看板：当前成员区域内，以卡片形式展示其最新记录的体温、过敏信息、近期症状等概要信息。
3、历史记录时间轴：以垂直时间线形式，按日期倒序列出该成员所有的健康记录条目（如“7月10日：接种流感疫苗”）。
4、新增记录功能：为当前选中成员提供统一表单，可记录“症状”、“体温”、“用药”、“医生建议”等，并选择记录类型。
5、要求所有功能集成在一个 HTML 文件中，通过隐藏/显示 DOM 元素实现成员切换，样式设计温馨、家庭化，数据使用前端对象模拟。
请基于上述要求编写完整 HTML 代码
为了让孩子更高效地学习，不如生成一个“光的折射原理”，以形象化的方式展现知识点，还能通过交互方式模拟物理变化。
创建一个单文件 HTML 页面，实现光从空气入水的折射交互式模拟。
要求使用 Canvas 绘制，包含以下功能：
1、用户可通过滑块调整入射角（范围0°-90°，步长1°）和水的折射率（范围1.0-2.0，步长0.1），实时显示光线在空气-水界面的折射与反射路径
2、动态计算并显示折射角、反射角及斯涅尔定律公式（n1*sinθ1 = n2*sinθ2）
3、添加一个切换按钮控制是否显示反射光线
4、界面设计须美观，光线路径用箭头动画表示，介质分界线清晰，并配有实时数据面板。
请基于上述要求编写完整 HTML 代码
星辰大模型是中国电信集团 CTO、首席科学家、中国电信人工智能研究院（TeleAI）院长李学龙教授带领 TeleAI 科研团队自研打造的全模态、全尺寸、全国产大模型体系。TeleChat3 是星辰语义大模型的第三代版本。
TeleChat3-Coder-36B-Thinking则基于TeleChat3基础模型打造，在代码综合能力上有优异表现。其性能在 SWE-bench Verified、HumanEval-X 等多个权威评测榜单中超越 Qwen3-32B，综合效果在同尺寸模型中达到最优水平。
（点击查看大图）
不仅如此，该模型在 Agent 能力方面同样表现优异，在 BFCL 和 Tau2-Bench 榜单达到同级别参数领先水平。
TeleChat3-Coder-36B-Thinking 之所以能在各类场景应用中上达到如此好的效果和高准确率，是基于科研团队强大的模型训练策略。
在预训练阶段，TeleChat3-Coder-36B-Thinking 分为三个步骤：
在 TeleChat3 基础模型上增加代码数据比例进行持续训练，提升代码通识能力。
增加高质量仓库级别代码长文数据、SWE 级别长程代码任务数据，基于32K 上下文长度持续训练，增加模型长上文代码任务能力。
持续提升长程代码任务和智能体任务数据占比，基于 128K 上下文长度持续训练，提升模型在代码和智能体长程任务能力。
在后训练阶段，采用迭代式提升方案，经过冷启动微调、强化学习、长程任务微调优化、Agentic RL 优化，不断提升模型综合能力。
TeleAI 还搭建了上万个环境用于合成任务路径数据以及 Agentic RL 使用。为提升 Web Vibe Coding 效果，团队基于 GUI-Agent 搭建了一套可以自动操作 Web 界面进行评估生成效果的系统，大幅提升数据质量。
TeleChat 系列模型尺寸覆盖十亿到千亿
构建了全尺寸大模型开源布局
其中 TeleChat2-3B 和 TeleChat2-35B
在 Huggingface 下载量均已超过 10 万
TeleChat3-Coder-36B-Thinking欢迎广大开发者实测、反馈
共同解锁更多技术可能
GitHub：
https://github.com/Tele-AI/TeleChat3-Coder
Huggingface：
https://huggingface.co/Tele-AI/TeleChat3-Coder-36B-Thinking
ModelScope：
https://modelscope.cn/models/TeleAI/TeleCoder3-36B-Thinking
魔乐社区：
https://modelers.cn/models/TeleAI/TeleChat3-Coder-36B-Thinking
