Show HN: 主観的なAI評価。AIが作ったアーケードゲーム

「AI Arcade」と名付けられたプロジェクトがHacker Newsで公開され、AIコーディングモデルの能力をユニークな方法で評価しています。同一の制約（192×144ピクセル、16色、6キー）のもとで、各モデルがたった1回のプロンプトでプレイ可能なアーケードゲームを生成します。結果は仮想ゲームセンターに展示され、プレイヤーが自由に体験・評価できます。

実験の核心は公平な比較です。各モデルは同じプロンプト、同じハードウェア制限、1回の生成機会を与えられました。参加モデルにはGrok 4.5（Cursorツールと組み合わせ）、GPT-5.6-sol（Codex）、Fable 5（Claude Code）などが含まれます。Grok 4.5は『Sky Shards』『Forge』『Catacomb』の制作中にCursorが2回スタックし、手動で「continue」を促す必要がありました。一方、GPT-5.6-solとFable 5は全チェックをパスし、『Storm Lancer』『Tether Haul』『Star Vault』『Scrap Surge』『Core Surge』『Nova Raid』を問題なく生成しました。

プロジェクトはランキングを付けず、プレイヤー自身がどのゲームが楽しいかを判断することを重視しています。AI生成ゲームに加えて、『Glyph Lock』『Neon-Dash』『Snake』『Void Shot』などのクラシックゲーム集も収録され、人間開発者による同じ制約下での解釈が参考として提供されています。

全体として、このプロジェクトは主観的なAI評価の興味深い実験です。コードの正確性や性能指標ではなく、楽しさという曖昧な目標にAIがどう取り組むかを示しています。AI開発者、ゲーム愛好家、技術観察者にとって、インタラクティブな評価事例となるでしょう。