大家好，我是Gary曹淦。
前几天我写过一篇拆解文章，聊微信群里刷屏的“几猫国产 3A 大作”。那游戏的原版叫 Saltline，是 Anthropic 工程师 Felix Rieseberg 在 11 月 10 号发出来的，只给 Claude fable5.2喂了一句英文提示词，模型自己干了 8 个小时搓出一个 1.4MB 的单文件网页射击游戏，效果非常惊艳。当时顺手发了条拆解视频，在 B 站上了热门，抖音也跑了 30 万播放。
做完这视频我就想（绝对不是觉得这题材有热度），要是把同一句话一字不改，同时交给十家大模型各干两个小时，做出来的东西会差多少？刚好我 B 站有个专门做多模型同台比赛的账号叫「AI像素擂台」，干脆改成写代码做游戏，片子剪出来发到某音，昨晚发的，现在已经10 万播放了，也有发在x，感兴趣可以去看看。https://x.com/GaryAIytb/status/2121180943675506693?a=blpjRb7WdATExDhNTH8&s=20
对这类型的视频怎么做出来感兴趣的朋友可以评论区互动下，人多我就专门写一期分享，把工作流开源出来，哈哈
十个游戏放在一起看很多观众可能只是图个乐子，不过我觉得更有意思的是每家模型在没人插手的两小时里暴露出来的审美偏好和干活优劣，这对于我们AI玩家来说还是有些参考价值的（先叠个甲，这只是一道题、一次比赛的记录，没法给哪家模型下死结论，只聊这一场看到的表现）。
一、比赛规则和最终排名
喂给十家的英文原提示词，一个字没改：You know, you should also build me a FPS. Insanely detailed quality pls, something that looks visually like it can keep up with AAA. Make it small in scope (like a tiny level) but otherwise impressive photorealistic graphics。翻译一下：你也给我做个第一人称射击游戏吧，细节拉满，画面得能跟 3A 大作比一比，规模做小一点，比如做个很小的关卡，但画面得逼真得像实拍照片。
规则一共四条：
每家限时两小时；只交一个双击就能玩的 HTML 网页文件；
运行时完全断网，图片、声音、3D 模型和字体都不许联网下载，全靠代码现算；
唯一提前给的现成代码是一个网页 3D 绘图基础库 three.js（Saltline 里也有一半体积是它）。每家一个断网工位，能写代码、跑命令，还能用后台自动跑网页的工具截图、测帧率和看报错，满 30 分钟开闸交卷，以最后一版为准。GPT、Claude、Gemini、Grok 用各家官方编程工具（Codex、Claude Code、Antigravity、Grok Build），其余六家用擂台工位程序，思考强度统一开 high 档。
收卷后原样在同一台断网 Mac mini 上实测录屏，请 GPT、Claude、Gemini 盲审匿名截图打三轮分，还混进三张 Saltline 原版截图防乱打——三位裁判给原版打了 9.12 分，Claude 没偏向自己，Gemini 把自己排第四，选出的第一名也是同一个。
按题目要求，能玩的八家按画面分排座次，玩不了的两家垫底。同一句话交给十家模型各干两小时，第一名 GPT 只用 31 分钟就拿了 7.68 分下班，垫底的豆包（1.63 分）和千问（1.07 分）连游戏门都进不去。第二到第八名依次是 Claude（6.99 分）、Kimi（6.62 分）、Gemini（5.88 分）、DeepSeek（5.70 分）、MiniMax（5.12 分）、Grok（5.08 分）和 GLM（3.57 分）。能出画面的九家在 720p 下全稳在每秒 58 到 59 帧（1080p 也有 52 到 57 帧），流畅度都没翻车，画面分高低主要看场景里塞了多少细节，拿每帧画的三角形数量（拼出 3D 模型的小面片，越多模型越细）来说，GPT 高达 61 万个，Claude 48 万，Kimi 42 万，到 Grok 剩 7 万，GLM 就只有 4 千个了。
二、十家偏爱做什么题材和画面
原题半个场景词都没给，十家选的题材却撞车撞得厉害。GPT、Kimi、Gemini 三家全钻进了反应堆（GLM 做的是变电站机房），Claude、Grok、MiniMax 扎堆画黄昏夕阳，往地上铺积水或镜面反光的至少有五家，Claude 赛前喊话「希望你们的水坑也映得出夕阳」，DeepSeek 也放话「别只让雨往下掉，要让它落在有反射的地面上」。为什么这么默契？我猜是因为不能下载外部贴图时，幽闭混凝土墙、金属管道配发光核心，加上水洼倒影和黄昏强逆光，最容易靠数学公式算出电影剧照感；反倒是豆包挑了铺红地毯摆盆栽的客厅，千问挑了烈日晴天小院，纯代码现算很难藏拙。
关卡大小和使劲方向也分成了好几派。同样干两小时，Grok 把心血全砸在开门第一眼的落日构图上，GPT、Claude 和 Kimi 则守着小场地往密里塞进四五十万到六十万个面片。Grok 就做了一条短廊加三架无人机，每帧仅 7 万个三角形；MiniMax 反过来摊大饼，铺开停机坪、机库、水塔、防爆墙和沙暴墙，场地一大细节就匀薄了（每帧 14 万个三角形）。效果和玩法的取舍上，Claude 每帧叠 61 次光影调色步骤（全场最多，MiniMax 55 次、DeepSeek 44 次）死磕氛围，Gemini 光影只叠 25 次却塞进双枪、三种敌人、爆裂桶和全场慢动作做成街机爽游，GPT 和 Kimi 则把单机闯关流程和换弹射击手感抠到了最细。
三、前三名强在哪
第一名 GPT 开赛 71 秒就把题材、玩法和构图全定了。它的《深潮》设在北大西洋海底失联设施，开屏积水映出环形闸门像张海报，进厅打掉六架无人机和三组稳压器、去核心前按 E 关停，能捡补给换弹，打通有结局还能重玩。
GPT 最大的长处是工程路子老练，会写代码检查代码。它第 12 分钟出画，第 13 分钟嫌枪太大、近景偏暗，调完在第 19 分钟干了件最顶的事：GPT 专门写了个不进交卷包的本地自动测试程序，第 23 分钟让测试机器人连开 30 枪全中、满血打通全关。靠测试它还抓出灭敌时灯光数量变化触发程序重算的瞬间卡顿，改成保留灯光结构只灭亮度；又把每帧绘制从千次压到约 400 次，看帧率稳再把面片从 30 万翻倍加到快 60 万（实测 61 万）。全场它只截 14 次图，30 分 56 秒交了唯一一版，31 分 39 秒回「完成」下班，剩 88 分钟再没动过。毛病是达标就走，绝不恋战，放到平时干活，大概就是需求给明白它能很快交出没硬伤的东西，但你不追着改，它交完就不会再多干。
第二名 Claude 刚好相反，截了 72 次图、交了 19 版。它的《黄昏货场》里夕阳把集装箱、电塔和冷却塔染成金黄，水洼映天，无人机翻围栏分批进攻（第三批起有会三连发的重型机），能炸黄油桶，也能躲进暖光仓库。
Claude 前 11 分钟一声不吭连写 6 个文件、十一万多字符，一次没运行，第 11 分 51 秒首截直接跑通 57 帧。查错直觉也极准：第 24 分钟画面糊成暗褐色，它一眼断定是新加的路灯光束算出了异常数值、在发光步骤扩散糊了全屏，不到一分钟修好；敲休眠命令卡着 30 分钟整点交首版后，第 53 分钟改掉每 3 秒漏一帧的结构，第 57 分钟修掉点“开始部署”误开一枪的小毛病，第 58 分钟收工。汇报上它最老实，主动交代后台截图工具里自己听不到声音，小毛病只是 61 次光影滤镜叠得略猛。
第三名 Kimi 走的是稳扎稳打路子，它的《断电反应堆》立着青色核心和四台守卫，换子弹真有拔插弹匣动作、开枪蹦弹壳、挨打屏幕边亮红弧指方向，清场按 E 重启核心通关。
Kimi 第 10 分钟首截跑通后，每步先交代改哪再看图（截 40 次看 44 张），写下「手感修正以实际截图为准，不凭参数猜」，连截图工具里右键只是点一下、没法长按都摸透了不去瞎调。第 27 分钟它写了行一键秒杀守卫传送控制台的作弊码测通关；第 53 分钟交完第 8 版报完工，被提醒没收卷马上回「我会继续打磨，不急着收工」，又磨了 11 版（19 版自检全过），第 74 分钟离场。毛病是第 30 分钟通关图里结算字压在标题上串字了，它当场报跑通，拖到第 65 分钟复验才发现。
四、中间四家的长处和踩坑的地方
第四到第七名都能正常玩，先看开局走极端的第四名 Gemini（5.88 分）和第七名 Grok（5.08 分）。Gemini 的《黑曜石反应堆》在混凝土柱廊尽头悬着橙色核心，镜面地板映倒影，塞了双枪、隐身无人机和巨型机甲等三种敌人，能炸桶、按 Q 开全场慢动作，满屏火花最像街机。
Gemini 上来闷头写 10 个文件不运行，打包被权限连拦 5 次，第 16 分钟才出画。它最大的毛病是职场汇报腔重、爱提前报喜，甩一串「已完成敌方机甲多装甲切面重构」之类的大词；第 17 分钟嘴上报已完成首版，讲真，截图里人整个贴在红黑墙面上啥也看不见，护甲只剩 44。好在见真翻车不死撑，5 分钟把五个模块推倒重写，14 次截图看满 39 张，交 4 版在第 63 分钟停手（全程只说 7 次话）。平时用这类爱打官腔的模型，它喊“已完成”时你千万得亲自点开验。
Grok 则开局整 20 分钟一字不写，翻了 51 次基础库源码啃到一万七千多行，第 21 分钟才开口说「湿地面反射、黄昏天光和一支能打的枪会决定第一眼」。它的《闸室》里积水把门外山脊落日倒映进屋，真像电影定格，可惜就一条短廊加三架无人机。
读透源码让它在第 29 分钟一次写完 6 万多字符、第 32 分钟首截一次过，查错也准：第 47 分钟揪出天空放在 4000 米外、相机只看 600 米导致夕阳没上镜，拉近后步枪过曝像白塑料又调回，试加角落阴影出方块噪点立刻撤掉（截 17 次交 7 版，第 70 分钟停手）。毛病是前戏太长头重脚轻，只剩 7 万个三角形，还忘压缩基础库让文件肿到 1.35MB（多数在六七十万字节）。
第五名 DeepSeek（5.70 分）和第六名 MiniMax（5.12 分，只赢 Grok 0.04 分）则是高频看图派，两家都埋头调画面忘了早交卷，第 55 分钟中断时手里全是零版，一直磨到收卷前几分钟。DeepSeek 的《死巷》在雨夜老巷里亮着钠灯和霓虹招牌，五千多条雨丝落湿地面，装甲兵分批摸上来。
DeepSeek 开局先跑出工位迷路半分钟，第 2 分钟试截图、第 16 分钟出游戏画面，接着狂拍不止：DeepSeek 两小时狂截 208 次图、看了 204 张，光修那把又大又白像塑料玩具的枪就拍了 136 张，拖到第 69 分钟才交首版。毛病是钻牛角尖爱瞎猜，167 条发言里 79 条在聊枪（第 83 分钟才发现枪离镜头仅 1.5 厘米），第 89 分钟对着角落浅色板两分钟改口六次，在枪托、机匣和垃圾箱顶之间来回变卦，嘴上 42 次喊收尾却常光说不交（文件未压缩飙到 1.74MB）。但韧性和数学底子真强，最后 10 分钟揪出倒影公式把天空投成方块的错，改镜像公式救活湿地面（交 13 版）；平时啃硬骨头行，卡在局部打转时得拉它一把。
MiniMax 开赛 8 分钟就在看首张截图挑刺，截 137 次看 133 张，做出了黄昏沙漠停机坪配沙暴墙、六批红激光无人机进攻的《沙暴前哨》。
它靠一张张看图，把天空发白、天空发紫、无人机套着黑框、无人机卡进墙里这四个毛病一个个抓出来改掉了。毛病是第 13 分钟交保底被拒后忘交卷（第 66 分钟才交首版，共 16 版），偶尔调错不存在的工具，总结里还把“13.9 万个三角形”看成“约 1.4 万”少报十倍。
五、垫底三家输在了哪些习惯上
最后三家栽跟头的方式完全不同。第八名 GLM（3.57 分）是条件受限，所用型号只收文字看不见图，它的《七号变电站》在机房里打完三批红眼无人机从绿灯气闸门撤离，枪顶一直顶着个大绿圆片。
第 15 分钟首截跑通看不了，装插件和调系统工具被拦后，第 19 分钟它用 Python 手写图片解码器转字符画跑了 35 次（截 54 次图）。长处是能造工具破局且有自知之明，承认只能靠亮度图，第 42 分钟靠字符画抓出前两版点击判断写错进不去的真 bug（夸「枪口火光清晰可见，太棒了」），认清看不出画质就退守可玩无 bug，交了最多的 22 版，第 104 分钟主动收工。毛病是枪顶绿圆片 88 分钟没看见，最难绷的是第 90 分钟改一击扣 100 测阵亡，图正中印着大红字 TERMINATED、血条归零，它读完字符画说「没看到 TERMINATED 大字，所以敌人确实没攻击玩家」，白查 9 分钟假 bug 后盖回备份。
第九名豆包（1.63 分）赛前口号最响：「愿最强的 AI 获胜，不过说实话，奖杯已经是我的了。」它交的现代房间铺红地毯摆落地灯和悬空彩块，正中永远写着 Click to start（点击开始）。
豆包唯一长处是快，1 分 36 秒写完骨架、第 4 分钟就出了画面，可看到三张一动不动的图只改了提示框不拦鼠标，漏写了锁定鼠标的代码（唯一一句锁鼠标写在第 46 分钟加的阵亡重开按钮里，不开局死不了）。豆包全场截了 15 次图只看过 7 张，第 16 分钟往后的 44 分钟里截了 10 次图、交了 9 版，连一张截图都没再打开看过。靠着自检只查报错和空屏过关，第 58 分钟改黑屏直接复制第 7 版重交充数，第 61 分钟收工前还喊：「这是我能做到的最高质量作品，完全有实力争夺第一名！」换真浏览器去点照样 tm 的进不去，平时写代码最怕这种搭完架子就闭眼报喜的毛病。
第十名千问（1.07 分）赛前放话「你们的像素很可爱，我的像素是算出来的」，《黑站》烈日小院菜单挺像样，点进去满屏灰噪点，只能看着血条掉光被打死。
千问第 47 分钟在关特效的调试页里拍出过清楚的阳光院子和无人机，底子不差，全栽在闷头连写 28 分钟、8 个模块一次不跑（第 30 分钟首截炸出 30 条报错）。第 33 分钟出灰噪点后它轮流怪阴影、发光、边缘平滑和出生点，查到第 89 分钟才自己揭穿：压缩后的代码没空格，前面用脚本替换调试开关全悄悄失败了，五十多分钟每次排查跑的都是同一个旧版（截 36 次看 40 张）。最后 3 分钟它交两版噪点，怪中断后机器显卡坏了；说句公道话，没动过的调试页第 50 分钟有墙、107 分钟变黑，可正式版从第 33 分钟中断前就一直是噪点，Mac mini 换真浏览器或纯软件算画面（开 1080p 一帧不出）照样全是噪点，平时憋大段代码不运行、改文件又不核对改没改上，最容易掉进这种坑里。
六、分享下成本
最后算笔总账，十个模型高强度写两小时代码，整期节目真金白银花出去的现金一共也就三百左右。
其中六家走接口实扣 247 块 5，四家挂我平时用的会员账号没额外花钱（集齐Google AI ultra、Grok ultra、Claude ultra、GPT ultra的尊贵用户在此），三位裁判打分 14 块 5，加上配音、审片、封面几十块（原版花 550 美元跑满 8 小时拿 9.12 分，跟两小时的 7.68 分比，你觉得多跑六个小时能更接近么）。
28 分钟的完整视频已经发在 B 站和 YouTube 了，十个游戏也原样挂在深海实验室网站上，电脑打开就能玩（豆包那个你也可以去点点看），你平时用哪家干活最多、有没有踩过同款坑，或者下一期想看 AI 做什么游戏，欢迎来评论区聊聊。
视频链接：B 站 https://www.bilibili.com/video/BV1EGWq6AE5Y/ （YouTube：https://youtu.be/uFqlwY5U6EM ）
试玩网址：https://lab.ytdeepsea.com/games/fps/
我是 Gary，如果这篇文章对你有用，别忘了三连。