这个周末，B站游戏区变成了一口"斗蛐蛐"的锅：有UP让11家AI各做3款游戏打横评，有UP让12家大模型在虚幻引擎里跑同一个关卡。评论区一边"省流"一边认真讨论下个月该续哪个订阅。但对真打算用AI做点东西的人来说，这两轮天梯其实读反了——它们暴露的不是"谁是游戏开发之王"，而是：选型的钱该怎么花，以及一个玩具离一款游戏到底差几步。
一、本周同时发生的三件事
第一轮是10月2日_voidmatrix_发的《【AI大横评】让11家AI做33款游戏，谁才是游戏开发之王？》，11家模型、每家做3款，播放13.5万、收藏4313、评论534条。评论区被顶得最高的是一张玩家自制天梯：“SS：Astra、Fable（双幻神）；A+：GLM（稳）；A：Qwen、DS；B：Kimi；其余都可以进垃圾桶”。哔哩哔哩
第二轮是10月5日_盒子姬_发的《虚幻引擎AI天梯：12家大模型做同一个游戏，最贵的竟然翻车》。这次不是纯网页小demo：用的是能直接操作UE5的开源智能体"虚幻盒子"，让各模型在真引擎里做同一个平台跳跃关。3.2万播放不算顶流，但406条评论几乎全是用过的人在互相对答案。哔哩哔哩
第三轮在圈外：GitHub仓库universal-modder于9月30日创建，六天刷到3895星。它把"给PC单机游戏做mod"的四层工艺——引擎侦察、逆向读码、资产制作、游戏内验证——打包成agent技能包，演示视频里甚至把《我的世界》缝进了GTA5。10月6日的知乎拆解文把它连同批评一起端了出来：没有正式release、issue里有人直接骂代码质量。知乎
三件事放在一起看，信号很明确：用AI做游戏已经从"演示视频"进入"要掏订阅费、要算额度账"的阶段，讨论的人群和纠结的问题都换了。
二、先给天梯结果加四道滤网：哪些能信，哪些是表演
两轮视频的评论区自己就在互相拆台，这比结论更值钱。把噪音滤掉，剩下四条判断规则：
1. One-shot不是开发，是抽大奖。 一条高赞评论说得直白：真实开发要看"一次给10个/50个/200个需求的完成率、bug率、有没有先跟你确认意料之外的问题"，而不是喂一句提示词看谁做得多。天梯玩家也认这个账：“v4.1f吃了小模型one-shot能力不足的亏……受控落地的水平挺惊艳，one-shot就要抽大奖了”——同一个bug可以十几轮改不出来，也可以一轮搞定。哔哩哔哩
2. 给不给引擎，是两个不同的考试。 第一轮没让模型碰引擎，纯网页实现；有游戏从业背景的观众提醒"正经开发者最关注的是模型能不能熟练操作系统引擎"。第二轮才是带引擎的版本。看天梯时先问一句测试环境，不然结论张冠李戴。哔哩哔哩
3. 渠道变量不归模型管。 Claude随时可能封号、部分国外模型只能走中转站，评论区已经有"一个国外模型只能用中转站的UP能测出什么"的质疑。成绩里有相当一部分是"钱包和网络"的波动。
4. 降智与稀释是月度变量。 评论区反复提到额度稀释和版本体感跳水——有人"太信任它，交给一个高自主性的活才发现已经降智"。这个月天梯的座次，下个月额度重置后就得重新验一遍。哔哩哔哩
所以这两轮天梯的正确用法不是抄冠军，而是认模型的气质。
三、评论区真正省流的地方：共识是分工，不是排名
把两个视频的高赞发言拼起来，社区其实已经自发形成了一套"组合拳"：
审美与关卡设计给Claude家族（Opus 5.5）：哪怕这一轮它"门错位+通关不显示"，评论仍然说"Claude的审美、关卡设计跟建模精度却是其他模型难以取代的，这个小bug随便丢给一个小模型就修好了"。哔哩哔哩
执行与成本给DeepSeek v4.1f：那句流传最广的比喻是"饮料界的可口可乐，奶茶界的蜜雪冰城——比它便宜的没它强，比它强的没它便宜"。空间理解被点名夸（金币该放的平台、该开的门位置都合理），但它属于"神区二象性"：给它定好详细计划、做好约束，“就是一个强得离谱的牛马，非常适合干脏活累活”。哔哩哔哩哔哩哔哩
严谨交付给GPT家族：特征是"保护性编程拉满"，提示写得生怕玩家是傻子，让它验证开箱概率会连开15万次自测；黑点是"墨绿色配色偷偷加"的审美执念。哔哩哔哩
被顶得最高的组合方案："Claude Code做规划，DeepSeek做执行，OpenAI做审核交付，无敌！“UP也接受了评论区起哄的"下期做团队赛”。哔哩哔哩
其余国产选手的体感标签：GLM5.3"稳但无视觉"、Kimi K3"大参数但bug量对得起评分、疑似缺算力降智"、豆包则被玩成梗——一句"豆包：豆包"就是全场最高赞复读。哔哩哔哩
必须说清楚：以上全部是横评UP和评论区的实测口径与自称，不是任何官方基准。但它来自同一批真的在花钱烧额度的人，比参数榜单更接近你的使用体感。
四、订阅费之前，先算"做一个"的额度账
选型纠结的本质是预算。本周社区流出的三份账本：
做资产的账（来自10月3日《全网最细·AI生成3D游戏场景》教程区的实测，这条2.5万播放、2225收藏，囤积率是"有用"的最直接投票）：做一个HD-2D场景资产，约等于"一周半GPT plus会员的额度"；单拆一个建筑，约等于plus会员一个5小时窗口的50%。而且"建模目前除了GPT都不太行，生图可以换即梦seedream5.0pro试试"。换句话说：卡住你的不是代码能不能跑，是额度烧得完烧不完。哔哩哔哩
订阅的账（评论区自报口径）：OpenAI系135元档月额度折10亿token上下；Claude系月额度看着更大但随时封号，心理期望要打折；国产60元档月额度约60亿，还叠着免费渠道——"比它强的没它便宜"就是这条赛道的定价逻辑。
收入的账（自媒体自报样本）：程序员小灰10月5日公开《无为修仙传》后台：上线30天，本体3191份+DLC914份，净营收5179美元（约3.48万人民币），中位游玩时长12小时28分钟，自称"在Steam独立游戏里能排进前10%"。但同一篇里也有反鸡汤细节：一个半月从0到上架是他"平均一天要迭代2-3个版本"磨出来的，战斗、境界、宗门这套系统框架是人定的，AI是力工。单一个案，别读成"AI做游戏能赚钱"的通式。知乎
反方向的证据也要摆：36氪10月4日在讨论"AI时代游戏小厂更难出头"——内容产能暴涨不等于爆款概率变高，省下的成本大多回流到打磨本身。36氪
五、从玩具到游戏，本周社区实际撞上的四堵墙
墙一：拼贴感。 10月7日知乎连开两问，提问者是在做像素小游戏的独立开发者：AI出图快，但角色、场景、UI合到一起"总像不同游戏里的"，画风散。这也是天梯里各家"一眼AI塑料味"封面的同一个病根——出图模型语料趋同，风格锚点得人来定。做国风手游的那位微博作者讲得很具体：先让AI出100个效果图，选定后再去文字、修细节、排logo，而不是一张张单独开奖。知乎微博
墙二：玩法真空。 7月底一条被反复转的微博说得很冲：连玩法都要AI想，那这人是用来干嘛的。天梯已经证明模型能把需求做完，但"好玩"不在one-shot提示词的职责范围。做游戏卖的那条路，玩法、数值、反馈循环还是人类主策的活。微博
墙三：代码维护。 同一个问题"AI生成的游戏代码好维护吗"下，一个做了24年游戏、常年主程兼主策的回答把AI降维得很干脆：把它当"手底下的小程序员"——功能明确化、模块化之后再分配任务。不搭管线直接甩大需求，就是天梯评论说的"偷偷挖无数个坑，深玩发现很多都不是自己想要的东西"。知乎
墙四：成品接受度。 10月5日知乎热问："你能接受0经验制作人用AI完成绝大部分内容的独立游戏吗？"触发事件正是有玩家用AI生成几乎全部内容做了一款独立游戏并上架Steam、被批评缺少人工打磨。如果你的目标是卖，"AI味"本身就是商品风险——同期"AI生成的Steam游戏封面一看就没有点击欲"也在热榜上。知乎
六、不同人现在该干嘛
只想试试创意能不能落地： 先什么订阅都别买。微博上做过BETA的老玩家讲得实在：新手"用什么不重要，得到快速的正反馈才重要"，先花两周研究框架部署，大概率先凉。用免费档one-shot出个能玩的，再决定要不要投入。微博
认真立项的： 按分工订阅而不是按冠军订阅——设计/审美档位一个、执行档位一个便宜的国产、交付审核靠GPT系的自测癖；开工前先把风格锚点和模块拆分文档做出来（这是给DeepSeek们"定计划派脏活"的前提）；预算按"一栋建筑=半个5小时窗口"这种颗粒去估，别按"做一个游戏"估。
想给单机游戏做mod/串游的： universal-modder先观察再上车——它真把验证做成了方法论（帧状态逐变量对表、泰拉瑞亚boss复刻一致到99.9%、《帝国时代2》贴图误差0.91/255才允许写盘、同一原因失败三次熔断），但无正式版、资产生成按量计费（作者自己都提醒先跑 um fal price 看价目）、只支持自有单机离线游戏。拆解文那句提醒值得抄在脑门上：“二十秒的展示视频证明不了长时间游玩稳定，社媒疯传的串游mod也不都出自这个工具。”知乎
继续看什么： 盒子姬预告下期"团队赛"、难度升级；每轮额度重置后重验降智变量；虚幻盒子这类"能操作引擎的agent"会不会变成下一轮天梯的标配。
这两轮天梯最值钱的结果，不是排出一个王。它排出来的是常识的另一半：AI已经把"做完"的成本打到地板，"做好"依然是一条人类的管线——风格、玩法、版本迭代，一段都外包不掉。掏订阅费之前，先想清楚这三段里，你手里有几段。
