什么值得买App下载 App ›
连续签到专享现金活动

AI做游戏能跑≠能玩:实测最高41分没一个及格,开放世界类仅22%

刷到过"AI一分钟做游戏"的视频,弹幕全是"卧槽"。但真上手试过就知道,生成一个能跑的东西和做出一款能玩的游戏,中间差了十万八千里。当前最强的AI编程助手,在GameCraft-Bench评测里最高也只拿到41分。满分100,没有一个及格。这个数字背后藏着什么门道?普通人想用AI做游戏,到底能走到哪一步?1
AI做游戏,41分到底说明了什么
港中大(深圳)联合腾讯混元发布的GameCraft-Bench,是目前最严格的AI游戏开发测试。它要求AI在真实游戏引擎(Godot)中,从零生成一个完整可运行的游戏项目,然后通过多模态裁判真实"玩"过再打分。140道题覆盖平台跳跃、射击、策略、开放世界等主流品类。结果最好的Claude Code配Opus-4.7,得分41.46%;大多数AI连40分都不到。另一套基准GameDevBench的结论类似:最佳模型整体完成率仅54.5%,2D图形类任务更是低至31.6%。23
41分不是随机发挥,分数分布揭示了AI的硬伤。核心机制得分尚可(约55%),但内容丰富度、美术呈现只有30-40%。换句话说:AI能搭出一个"能跑"的游戏骨架,角色能动、碰撞有效、得分在涨。但往里填东西就不行了——关卡单调、美术粗糙、体验干瘪。游戏逻辑这类抽象规则AI能处理,而着色器、精灵图、动画这些视觉资产,恰恰是多模态能力的重灾区。4
AI到底哪里不行:五个系统性短板
GameCraft-Bench的分析把AI的游戏开发短板归结为五类。资产管理混乱:代码能跑,但图片、音频、字体等资源与代码的关联容易出错,游戏跑不起来。状态一致性失效:规模一大,跨系统逻辑容易崩溃——比如"拿钥匙才能开门"这种跨模块的关联,AI经常遗漏或实现错误。视觉反馈缺失:功能实现了,但玩家受伤没有屏幕泛红、攻击没有命中特效,AI倾向于实现功能而非打磨体验。调试能力有限:陷入"修A引发B、B修复后A回归"的循环,自我修复能力不足。45
更深层的问题在于,游戏制作最关键的往往不是"有没有实现",而是"这个实现对不对"。画面有没有质感、操作顺不顺手、节奏让不让人想继续玩——这些都不是跑一遍测试就能验证的。有用户体验后直接评价:AI能生成代码,能拆任务,能生成素材,但"游戏制作里最关键的,往往不是编译器和测试能告诉你的"。AI缺少的不是代码能力,而是创作者的综合判断力。67
不同类型的游戏,AI表现差多少
游戏类型对AI表现影响极大。平台跳跃类任务得分最高,平均约58%——机制简单直接,代码逻辑清晰,AI能较好实现。射击类、策略类、益智解谜处于中等水平,约35-45%。视觉小说和Roguelike继续下降到25-35%。开放世界类任务得分最低,平均约22%。大尺度空间一致性、NPC行为编排、动态事件触发逻辑、长期状态管理,这些恰恰是当前AI的弱项。规律很明显:AI擅长"规则清晰、反馈直接"的游戏,不擅长"内容丰富、状态复杂、需要长期一致性"的游戏。4
实操体验也印证了这一点。有创作者用AI做3D弹珠游戏,生成的东西"能玩,但也只是能玩"——弹珠碰撞的爽感、期待感完全没有。也有人用AI复刻自走棋,等了两天做出的东西"形似但差得很远"。反观简单消除类游戏、规则明确的小游戏,AI生成的成功率就高得多。游戏越复杂、对"手感"和"体验"要求越高,AI的短板越明显。6
普通人能用AI做什么:工具和上限
好消息是,AI做游戏不是完全不行,关键看用来做什么。原型验证、快速试错、素材生成这些环节,AI已经相当能打。有创作者用Claude Code配合Godot引擎,从零开始做出一款可安装的安卓肉鸽APK,270MB大小、46个脚本文件、40个技能素材,基础可玩。但核心前提是:人定"红线"——所有角色必须回到手绘草图的体系,AI只是执行工具而非创意主导。也有独立开发者用233工坊做的《狗叫大赛》,上线后单日曝光峰值455万+,关键在于把精力放在玩法、数值、反馈上,而非卡在代码和页面上。89
当前的AI游戏工具大致分两类。一类面向普通人,降低门槛主打易用:Roblox的Build功能,手机输入一句话就能生成可编辑的3D游戏雏形;Astrocade通过三层架构(自然语言理解→中枢调度→专用生成模型)把游戏生成门槛压到极低。一类面向有基础的开发者,强调完整链路:Moonlake AI的Reverie引擎主打"状态持久性",15分钟生成带物理反馈的游戏原型,算力成本不到25美元;极逸SOON提供从策划到数值的全流程自动化,面向有商业目标的团队。10111213
选工具的核心逻辑是:你的目标决定工具选型。如果只是想快速验证玩法想法、轻量级休闲游戏,选择DevokAI、233工坊这类零门槛工具就行。如果目标是有完整美术和音效的精致游戏,当前AI的产出质量还不够看。有用户实测后直接吐槽:"生成一个游戏只消耗不到25美元算力"听起来美好,但"冰淇淋堆叠"这种简单玩法要优化到正确堆叠,还得花几个小时反复调试。低门槛需求能靠AI快速满足,但专业场景需要的精准因果逻辑,是大模型目前最缺失的能力。1312
不同模型的差距也值得注意。有人实测GLM 5.2和Claude生成同一款赛车游戏,前者9000行代码只拿到2分,后者76000 tokens拿到6-7分。差距不在代码量,而在对需求的理解程度。Claude能正确理解"四个轮子都要能动",GLM的方向轴设置出了问题,车被"侧着造"出来。游戏生成的"最强模型"目前没有定论,但Claude系列、Fable 5这类在复杂推理上有优势的模型,明显更擅长需要多步规划的游戏开发。14
维度AI能做AI做不好
游戏类型平台跳跃、简单消除、轻量休闲开放世界、视觉小说、复杂RPG
开发环节代码框架、逻辑实现、素材批量生成细节打磨、体验优化、视觉反馈
游戏内容核心机制能跑通关卡丰富度、美术呈现、内容深度
调试能力简单bug修复复杂状态管理、跨系统一致性
当前AI做游戏的真实定位是"效率工具",不是"创意替代"。它能帮你省掉重复性劳动,但游戏好不好玩、能不能让人记住,最终还是靠人的判断。有人用AI一天生成十几个游戏雏形,也有人花三个月打磨一个作品——这两条路都能走通,但它们面向的完全不是同一类用户和同一类目标。
全网评论精华来自全网182条真实评论总结
观点1
对UP主回归的关注

理由:大量用户因UP主停更后回归而表达欢迎、喜悦,提及UP主过往视频质量好,如“终于回来了,期待持续学习的相关科普”“up以前的视频做的真的很好的,可惜了”“熟悉又性感的嗓音回归了”。

占比20%
观点2
AI游戏开发门槛降低

理由:大量用户提及AI工具让零基础、无编程美术基础的人也能创作游戏,如“零基础纯ai上限不高只能说”“零代码零美术门槛,创意落地再也不是难事”等,认为该工具降低了游戏创作的技术门槛,推动全民游戏创作成为可能。

占比15%
观点3
AI生成游戏质量待提升

理由:用户反馈AI生成的游戏存在诸多问题,如生成内容无创意、不好玩、数值难以维护、美术多为像素风格、无法满足复杂需求等,例如“一句话生成那叫一次性自嗨玩具,工程上没有扩展性,无法维护;设计上只是复制原有的,缺乏创新,还不好玩”“所有的美术全是像素,就没有不是像素的吗”。

占比12%
观点4
工具功能待完善

理由:用户提出工具存在诸多功能缺失,如无法打包apk、无法自由编辑、不支持2D、无外接API功能、无中文区适配、部署不便等,例如“可以就是不能打包apk”“为什么手机不可以向你一样自由编辑啊”“有没有PHP版,部署在服务器上”。

占比10%
观点5
AI游戏开发成本高

理由:用户指出使用该AI工具生成游戏的token消耗成本高,且部分工具并非免费,如“哇塞 AI消耗感觉太大了,还是免费的,希望能做一个自备api的功能”“token 三千块 游戏没人买”“就光一个最便宜的banana2也不是免费的啊”。

占比8%

评论

评论区空态插画

当前文章无评论,是时候发表评论了