新模型发布先做游戏？

聊聊这个新传统

最近《影之刃零》发售，又让人想起一个有意思的对照：一款大作开发动辄以年计，而几乎每款新 AI 模型发布后，网上几天内就能冒出一批可玩的小游戏。Claude Opus 5.5 发布时，官方直接展示了不同模型按同一提示词做游戏的结果；GPT-6 Astra 的演示里，也有开发者用它做了一段可玩的伦敦历史场景。

这个变化其实有迹可循。2024 年 Simon Willison 用「生成一只骑自行车的鹈鹕 SVG」来横评模型，任务看着像玩笑，实际很考验代码能力：轮子要对齐、车架要相连、鹈鹕得坐在车座上、脚还得靠近踏板，坐标错一点鸟就飞了。到了 2026 年，新模型不光画得完整，还会主动加羽毛、鱼篮和沿途风景。从一只怪鸟到一款小游戏，测试的复杂度上了一个量级。为什么是游戏？我的判断是，游戏天然是一个多能力的综合考场。它同时要求代码正确性、物理与状态管理、画面渲染，还有交互逻辑，比跑分更能暴露模型在长链路任务里的真实水平。而且游戏结果直观、可玩、易传播，比一张 benchmark 表格更有说服力，普通用户也能一眼看出差距。另一个原因是，游戏开发恰好踩在代码 Agent 的能力边界上。Simon 的判断是，代码 Agent 先跨过日常工具的门槛，再跨过做游戏的门槛。做游戏意味着模型要能规划模块、处理多文件、反复调试，这比写一个函数难得多。厂商拿它做演示，其实是在说：我的模型已经能扛住复杂工程了。当然，这些演示游戏离《GTA 6》还差得远，更多是可交互原型。但作为从业者，我觉得这个趋势值得关注：它既是营销，也是一次公开的能力压力测试。以后看模型发布，除了跑分，不妨也看看它做出来的那个小游戏到底能不能玩。