Show HN：AI主观评估，AI打造的街机游戏

一个名为“AI Arcade”的创新项目近日在Hacker News上亮相，它以独特的方式评估AI编码模型的能力：让它们在完全相同的约束下制作街机游戏。该项目提供了一个统一的微型游戏平台——192×144像素分辨率、16色显示、仅6个按键——并要求每个模型只耗费一次“提示”机会，创作出值得一玩的游戏。结果被展示在一个虚拟的街机厅中，供玩家自由体验和评判。

实验的核心是公平对比。每个模型都收到相同的提示，面临相同的硬件限制，并且只有一次生成机会。项目团队将参与模型分为不同“机台”，展示了包括Grok 4.5、GPT-5.6-sol（Codex）、Fable 5（Claude Code）在内的多个前沿模型。其中，Grok 4.5搭配Cursor工具的表现引人注目：在制作《Sky Shards》《Forge》《Catacomb》三款游戏时，Cursor两次卡住，需要人工暂停并提示“继续”才能完成。相比之下，GPT-5.6-sol和Fable 5均顺利通过检查，未出现任何标志性错误，顺利生成了《Storm Lancer》《Tether Haul》《Star Vault》以及《Scrap Surge》《Core Surge》《Nova Raid》等游戏。

项目特别强调“不排名”，主张让玩家自己决定哪款游戏更有趣。除了AI生成的游戏，项目还收录了一个经典游戏合集，包括《Glyph Lock》《Neon-Dash》《Snake》《Void Shot》等原版小游戏，作为参照基准。这些游戏同样遵守相同的尺寸和按键规则，展现了人类开发者对同样限制的诠释。

整个项目是一个充满趣味的主观AI评测实验。它不关注代码正确性或性能指标，而是回归游戏的根本——乐趣。通过让AI直面创意与交互设计的挑战，它揭示了不同模型在“可玩性”这一模糊目标上的表现差异。对于AI开发者、游戏爱好者和技术观察者来说，这是一个值得探索的互动式评测案例。