十月的最后一周，谷歌 DeepMind 发布新一代世界模型 Genie 4，最出圈的演示不是跑分表，而是让 AI 当场“长”出一间办公室，再从墙里的电脑屏幕上跑起《毁灭战士》。 往前翻，这个月各家的新模型开场几乎统一：DeepSeek 新快照的官方案例里，网页赛车游戏直接开跑、《传送门2》复刻真能交互； 昆仑万维干脆宣称把游戏世界模型塞进了单张消费级显卡，还开源了。 新模型发布为什么都要先做游戏？因为游戏同时考的是模型当下最想证明的三种能力——连续数小时写代码、维持一个自洽的世界、实时接住玩家输入，而且它是唯一一种普通用户不用看懂跑分、可以直接上手玩的验收方式。新智元量子位量子位
跑分只有从业者看得懂，游戏能不能跑人人都能试
这一波里，Kimi 发布 K3.1 Pro 时随模型上线了 3D 创作功能 Kimi 3D Make，官方样例里就有马里奥赛车式游戏； DeepSeek 则把新模型的卖点讲成“许愿式编程”：用户只要说清楚想要什么，剩下的活模型自己接着往下推。 对普通用户来说，这些抽象能力只有一个看得见的出口——做出一款能玩的东西，而游戏恰好是最标准的那个。知乎量子位
同月的行业论坛上，月之暗面展示的现场 Demo 是单个 AI 连续工作四天生成的，除去购买的资产，其余所有工作都由 AI 完成。 这一变化被本次现象所在的知乎热点词条描述得很准：模型刚跨过“成为程序员日常工具”的门槛，2026 年 10 月又跨过了制作游戏的另一道门槛。游戏葡萄知乎
连前 Google 首席科学家 Jeff Dean 都承认，自己最大的误判是没料到 AI 能独立写那么久的代码——在他们的测试里，AI 优化完 GPU 内核算子后可以连续干几十个小时。 换句话说，HLE、Terminal-Bench 这些榜单是留给从业者争论的，“能不能独立做出一款游戏”才是普通用户看得懂、玩得上的那张考卷。游戏葡萄
游戏不只是演示道具，它就是世界模型的考题本身
Genie 这条线从诞生起就是围着游戏展开的：第一代 Genie 在 2024 年 2 月学会了从视频里学规则、生成能操控的 2D 场景。 到最新一代，单次连贯交互的上限从上一代的 1 分钟翻倍到约 2 分钟，画面稳定在约 24 帧/秒，还首次原生生成声音与即兴对话。哔哩哔哩AI前线新智元
谷歌对它的定位并不是给玩家看的视频玩具，而是为未来的通用 Agent 与机器人，造出可以无限试错的平行宇宙。 国内厂商几乎同月押注同一媒介：昆仑万维的 Matrix-Game 4.0 给这条赛道立了硬指标——按键后不到 0.15 秒画面响应、一秒 60 帧、显存峰值约 18.5GiB； 腾讯混元开源的 Hy-Nomas，与传统 AI 视频生成最大的不同是文字生成场景之外还能自己控视角、继续探索生成的世界。新智元量子位哔哩哔哩
清华与米哈游的 GameScaling 则是首个开源的通用游戏大模型系列，8 个模型能实时跑 Minecraft 和 Doom。 作为对照，英伟达同路线方案 StreamRender-H3 官方展示的部署配置，是 8 张 GB200 GPU。知乎量子位
这类模型的实验结果也顺带解释了“为什么非要是游戏”：游戏种类越多样，模型向相近新世界的迁移越好，但从 3D 泛化到遥远的 2D 仍然失败。 只有游戏这种媒介，同时逼着模型记住世界状态、遵守物理规则、并对操作实时响应——这三样，恰恰是通往机器人仿真和通用 Agent 训练的必经能力。知乎
热闹之下：能做 Demo，不等于能做上线的游戏
越把热潮当真，越该问一句：AI 做的游戏，大多停在 Demo 阶段。一位从业者在知乎上的高赞判断很直白：AI 的训练素材本身就是大量 Demo，所以它其实不会写商业化游戏，只会写 Demo。 游戏葡萄记录的开发者情绪更具体：很多独立开发者对把 Demo 发上网越来越谨慎，因为抄袭者可能利用 AI 把你的玩法做完、赶在你前面上架。知乎游戏葡萄
这个判断戳中了模型的真实边界：世界上流通的游戏代码大多出于教学目的，有一定复杂度的商业项目不开源、不流通，AI 能模仿的只有前者。 AI前线在实测 Genie 4 时也提醒，其物理模拟仍是模型按学到的世界规律生成的结果，并不意味着所有物理过程经过精确计算。 供给端的渗透确实很快：覆盖 Steam 近 5.4 万款游戏的统计显示，披露使用生成式 AI 的新游比例从 2024 年的 10.9% 升到 2025 年的 19.9%，今年前 7 个月达到 30.8%。知乎AI前线游戏葡萄
昆仑万维对规则脱缰的解法，恰好暴露了“做游戏”难在哪：与其让视频模型隐式记忆世界，不如让游戏引擎显式维护世界——画面可以交给 AI 临场发挥，血量、道具归属和任务输赢必须由代码说了算。 游戏葡萄引述的月之暗面自家判断同样留了余地：AI 能大幅压缩原型开发时间，但最终决定作品能否脱颖而出的，仍是开发者对玩法的理解。 新品节被指 AI 游戏过多、研发不敢交 Demo，正是这两层落差撞在一起的结果。量子位游戏葡萄知乎
回到标题的问题。“先做一款游戏”对厂商来说，是一场长程编程、实时交互与世界一致性的公开验收，观众能直接上手玩，传播效果远超一张跑分表；对市场来说，它标记的是“AI 写代码”从日常工具向完整作品渗透的临界点。用户不必被演示里几秒的炫技晃住，值得盯的信号有两个：模型维持规则不跑偏的可玩世界有多长——这代模型的竞赛单位已经从 1 分钟走到 2 分钟、从 8 张旗舰卡压到一张消费级显卡；以及底层规则到底由代码维护还是模型即兴发挥，那决定了它到底是“看起来像游戏”，还是“真的是一款游戏”。至于游戏之后是什么，谷歌在 Genie 4 的发布里已经写好了答案：给通用 Agent 和机器人准备的试错场。
