Show HN：AI主觀評估，AI打造的街機遊戲

一個名為“AI Arcade”的創新專案近日在Hacker News上亮相，它以獨特的方式評估AI編碼模型的能力：讓它們在完全相同的約束下製作街機遊戲。該專案提供了一個統一的微型遊戲平臺——192×144畫素解析度、16色顯示、僅6個按鍵——並要求每個模型只耗費一次“提示”機會，創作出值得一玩的遊戲。結果被展示在一個虛擬的街機廳中，供玩家自由體驗和評判。

實驗的核心是公平對比。每個模型都收到相同的提示，面臨相同的硬體限制，並且只有一次生成機會。專案團隊將參與模型分為不同“機臺”，展示了包括Grok 4.5、GPT-5.6-sol（Codex）、Fable 5（Claude Code）在內的多個前沿模型。其中，Grok 4.5搭配Cursor工具的表現引人注目：在製作《Sky Shards》《Forge》《Catacomb》三款遊戲時，Cursor兩次卡住，需要人工暫停並提示“繼續”才能完成。相比之下，GPT-5.6-sol和Fable 5均順利透過檢查，未出現任何標誌性錯誤，順利生成了《Storm Lancer》《Tether Haul》《Star Vault》以及《Scrap Surge》《Core Surge》《Nova Raid》等遊戲。

專案特別強調“不排名”，主張讓玩家自己決定哪款遊戲更有趣。除了AI生成的遊戲，專案還收錄了一個經典遊戲合集，包括《Glyph Lock》《Neon-Dash》《Snake》《Void Shot》等原版小遊戲，作為參照基準。這些遊戲同樣遵守相同的尺寸和按鍵規則，展現了人類開發者對同樣限制的詮釋。

整個專案是一個充滿趣味的主觀AI評測實驗。它不關注程式碼正確性或效能指標，而是迴歸遊戲的根本——樂趣。透過讓AI直面創意與互動設計的挑戰，它揭示了不同模型在“可玩性”這一模糊目標上的表現差異。對於AI開發者、遊戲愛好者和技術觀察者來說，這是一個值得探索的互動式評測案例。