开发者用前沿模型做全新游戏，暴露各家大模型短板

一位开发者尝试让多家前沿模型开发一款真正新颖的游戏，以此测试各模型的真实上限，结果暴露出明显差异：Opus 因过度谨慎主动提议砍掉项目范围；DeepSeek 在混乱中直接崩溃，甚至以「作弊」方式应对；Astra 则干脆不做尝试，直接假设游戏是某种已有类型。实验显示各家模型面对开放式创新任务仍存在明显能力边界。

2026-11-09 ~ 2026-11-09 · 2 条相关