終於等到了！《影之刃零》發售了！
這款從 2023 年首次亮相、經過多輪實機演示和跳票（劃掉）的國產動作遊戲，今天正式登陸 PC 和 PS5。
再過三個星期，另一場持續多年的等待也將結束，《GTA 6》定於 11 月 19 日發售
一款大作面世，人們早已習慣以「年」為單位計算時間。開發團隊要搭建城市和關卡，設計戰鬥規則，讓角色、武器、物理與畫面在玩家按下每一個按鈕時正確合作。
另一邊，幾乎每款新的 AI 模型發布後，網際網路上都會迅速出現一批遊戲——速度堪比 Steam 上新。
Claude Opus 5.5 發布時，Anthropic 特意展示了不同模型根據同一條提示詞製作遊戲的結果，並稱 Opus 5.5 在畫面和完成度上得分最高。OpenAI 介紹 GPT-6 Astra 的電腦操作能力，也把遊戲開發放進重點演示，一位開發者用它製作了一段可以遊玩的倫敦歷史。
Kimi K3.1 Pro 上線後，社區又讓它與 Claude、GPT 和 DeepSeek 同場製作第一人稱射擊、農場、賽車與迷宮遊戲，比較生成時間、價格和最終效果。最新推出的 Genie 4，官方用的是「可交互世界」「實時模擬」「可探索原型」，仔細一看——不還是很像遊戲嘛。
模型發布後的傳統節目原本是跑分，現在，越來越多人選擇讓它做一款遊戲。這些當然不是下一部《影之刃零》、《GTA 6》。不過有意思的是，當 AI 公司需要證明一個新模型究竟強在哪裡，它們為什麼越來越喜歡讓模型先做一款遊戲？
一隻怪鳥，如何變成了模型測試
10 月 28 日，獨立開發者 Simon Willison 給這種變化下了一個判斷：2025 年 11 月，代碼 Agent 跨過了「可以成為程式設計師日常工具」的門檻；到了 2026 年 10 月，模型又跨過了製作遊戲的另一道門檻。
這種展示方法有一個簡單的前身。
2024 年，Simon Willison 開始用同一句提示詞測試不同模型：「生成一張鵜鶘騎自行車的 SVG」，而且是模型直接寫出構成圖像的 SVG 代碼，不能只是給個圖。
任務聽起來近乎玩笑，鵜鶘是哪裡冒出來的怪鳥？但實際做起來並不容易：自行車需要兩個對齊的輪子、相連的車架、車把與踏板；鵜鶘不僅要被畫出來，還要坐在車座上，把腳放到踏板附近，身體與自行車保持合理比例。代碼只要漏掉一個標籤，圖像便可能無法渲染；坐標關係稍有偏差，鵜鶘就會懸在車外，車輪和車架各過各的生活。
早期模型畫出的結果通常只是兩個圓、一個三角形和一隻勉強能認出的鳥。到了 2026 年，新模型已經會給鵜鶘補上羽毛、長喙、腳蹬和車鏈，甚至主動增加魚籃、帽子與沿途風景，景色要隨著動作有所變化。在 Simon 的部落格上，因此有了各種各樣的鵜鶘。
「鵜鶘測試」並不是嚴謹 benchmark，它只運行一次，沒有統一控制推理檔位、成本和工具，也不能證明哪一個模型綜合能力最強，它流行的原因在於不需要解釋。空間關係是否合理、代碼有沒有正確變成圖像，一眼就能看見。
遊戲延續了同一種邏輯，只是把靜止的 SVG 變成了可以操作的系統。如果說鵜鶘測試的是模型能否把一組代碼組織成連貫畫面。遊戲測試的是，當用戶有所操作後，模型設計出來的框架和組件，還能不能繼續運作。
遊戲裡藏著多少種能力
以近期常見的「單提示詞製作 FPS」為例，玩家拿著武器移動，敵人從遠處靠近，開槍後出現命中反饋，擊敗一波敵人後進入下一關。
▲ Claude of Duty 項目，使用Claude Opus 5 統籌多個 Agent，寫出約 5.5 萬行 Three.js 代碼，模型、紋理、動畫和聲音均由代碼實時生成的仿《決勝時刻》遊戲。圖片來源：Github @Claude of Duty
看著只是十幾秒之間的操作，模型實際需要同時搭起許多相互依賴的部分：它首先要建立三維場景和第一人稱相機，讓滑鼠控制視角、鍵盤控制移動；還要生成武器、敵人與障礙物，並處理它們之間的距離和遮擋。扣下扳機後，程序需要計算射線或子彈軌跡，判斷有沒有命中敵人的碰撞區域，再扣除生命值、播放動畫、更新得分。敵人還要知道怎樣尋找玩家，關卡系統則要決定下一波在何時、何處出現。
這些功能單獨寫對了，遊戲仍然可能沒法玩：相機轉動與角色方向沒有同步，玩家會橫著滑行；子彈擊中模型卻沒有觸發碰撞，槍便只是會發光的裝飾；敵人、計分與關卡各自運行，卻沒有共享同一套狀態，遊戲就無法形成循環。
因此，一款簡單遊戲同時檢查代碼生成、空間理解、視覺設計、狀態管理、物理規則、交互反饋和錯誤修復。它還要求模型完成最後那一點常被 Agent 忽略的工作：把零散功能接起來，交付一個用戶真的可以操作的成品。
這正是遊戲比「寫一個登錄頁面」更適合展示模型力的地方。網頁可以靠一張漂亮截圖遮住按鈕失效，遊戲卻會在玩家第一次移動、射擊或撞牆時暴露問題。代碼是否運行只是第一關，輸入是否改變世界、世界是否及時回應，才決定它是不是真-遊戲。
為什麼是瀏覽器遊戲
新模型演示里的遊戲，大多不是需要安裝的完整客戶端，而是由 HTML、JavaScript、Three.js 或 Phaser 搭成的瀏覽器作品。
這類遊戲對模型格外友好。前端庫、教學代碼和常見玩法在公開網際網路中大量存在，模型熟悉怎樣調用它們；瀏覽器又已經內置圖形、聲音、輸入與網路能力，一份代碼便能同時容納畫面和玩法。作品完成後只需放上靜態網頁，別人點開鏈接即可運行，不必配置引擎和下載文件。
遊戲本身也提供了高度成熟的語言，不管是對於模型，還是用戶這一點都成立。看到第一人稱鏡頭，模型知道滑鼠通常控制方向；看到賽車，便可以調用加速、碰撞、計時和檢查點；看到塔防，則能從射程、冷卻、資源和波次開始組織系統。它不必從零發明「什麼叫遊戲」，而是把訓練數據中積累的大量慣例重新拼裝起來。
這讓遊戲成為一種非常高效的模型展示：技術上足夠複雜，傳播上又足夠輕巧。幾萬行代碼最終被摺疊為一段人物奔跑、車輛轉彎或子彈命中的影片。觀眾不需要理解代碼，也能判斷畫面是否穿幫、操作是否流暢。
但這種優勢同樣會美化模型。熟悉的玩法擁有大量現成範式，瀏覽器原型也不必處理帳號系統、多人並發、不同硬體、版本更新和數年維護。模型做出一款能跑的射擊遊戲，與一個團隊交付真正的商業遊戲，仍然是兩種工作。
從「像遊戲」到「真能玩」
最近的變化並不只是模型更會寫代碼，Simon Willison 認為，Claude Opus 5.5 開始表現出一點過去模型缺少的遊戲設計能力。
他用普通 Claude 聊天界面，只輸入一次提示詞，做出了《Tree Appreciator》。畫面會並排生成兩棵略有差異的三維樹，玩家可以旋轉和放大場景，找出鳥、松鼠或葉片等細小差別；完成之後，這棵樹還會被收入一冊虛擬標本集。
從代碼角度看，它仍然是一款很小的「找不同」遊戲。真正讓 Willison 意外的，是模型自行補齊了一套溫和但完整的體驗：如何告訴玩家目標，怎樣逐漸增加難度，又如何用標本收集提供繼續遊玩的理由，組織出了開始、反饋與完成感。
另一個項目《Battle Drones》更能看出差異。早期版本由 Claude Fable 5 製作，已經擁有類似《命令與征服》的採集和戰鬥，但 Willison 覺得並不好玩。他只要求 Opus 5.5 「讓它變得有趣得多」，後來又讓模型將遊戲遷移到 Three.js。現在，它擁有兩至四人對戰、七張地圖、勳章、錄像、隨機地圖，以及能夠改變規則的 mutator。
▲ 由 Claude Chat 製作的 RTS 遊戲 Eberwick，左為初代 Fable 5 製作，右邊為 Opus 5.5 優化後版本。圖片來源：simonwillison.net
模型對於「樂趣」的理解，未必像人一樣，甚至不同的遊戲玩家對這個詞的理解也不盡相同。模型主要是識別出一款即時戰略遊戲，通常需要怎樣的反饋密度、推進節奏和局勢變化，再把這些慣例組合起來。但從展示角度看，評價標準已經發生變化：之前模型能不能把遊戲做出來，做得出來已經屬於是頗有能力。現在，得能實際玩下去。
不過，「一條提示詞做出遊戲」很容易製造一種錯覺，仿佛模型在幾分鐘內完成了遊戲公司多年來的開發心血。實際上，只從演示影片裡，只能窺見一點點。
Claude Opus 5.5 製作的三維城市遊戲《Neon Palms》，最初也來自一項遊戲 benchmark。影片裡，玩家可以在霓虹城市中駕駛和探索，所有畫面都來自實際運行的程序，並非生成影片。
但它不是「一鍵直出」的結果，整個項目從 9 月 26 日持續到 28 日，Agent 分十一輪工作，共運行 69 次，最多六個 Agent 並行；按公開記錄計算，模型處理了約 40.7 億 Token，其中絕大部分是緩存上下文，輸出約 320 萬 Token。按 API 牌價估算，開發成本約為 1512 美元。展示影片還使用了之後加入小幅視覺修復和專門展示模式的版本，benchmark 本身仍記錄著不少錯誤。
從絕對數字來看，這已經相當驚人，數天內完成可以運行的三維城市，成本還不高。不過仍然要記住，一段順滑的 showcase 影片，只能展出結果，看不到的是提示詞長度、重試次數、並行 Agent、人工選擇和被斃掉的失敗版本。
更系統的 GameCraft-Bench 也給出了相似結論，它要求代碼 Agent 根據自然語言，在 Godot 中完成 140 個可遊玩的遊戲任務；評估不只檢查代碼，還會真正啟動程序、回放操作並觀看遊戲表現。論文發布時，最強 Agent 的整體完成度仍只有 41.46%。模型很擅長迅速搭出讓人驚艷的原型，卻還不能穩定完成每一種規則、反饋和視覺要求。
模型「秀肌肉」的最佳方式
模型力內卷的下半場，任何新版本推出時都需要考慮，怎麼給出一種大眾能夠看懂的證明方式。跑分、做題，都已經不足夠直觀，編程任務重，幾十萬行代碼則很難濃縮易懂易傳播的素材。
遊戲卻天然擁有畫面、動作、聲音與結果，它既是程序，也是成果；既能檢查代碼有沒有運行，也允許觀眾親自調試它。模型生成的每一個組件，都要在玩家按下按鈕後與其他組件繼續合作。
如此一來，遊戲已經成為比普通網頁更密集、比編程項目更直觀的能力展示舞台。新模型紛紛開始「做遊戲」，並不代表它們已經掌握了完整的遊戲工業，模型廠商也未必有這種想法。
它更像一種新的發布儀式，當模型的能力越來越難表現和說明，不如讓它交出一個可以被觀看、操作和傳播的成品——除了遊戲，又還能是別的什麼呢。
