Video yükleniyor...

Video Yüklenemedi

Bu video yüklenirken bir sorun oluştu. Bu geçici bir ağ sorunundan kaynaklanıyor olabilir veya video kullanılamıyor olabilir.

Ana Sayfaya Dön

在《金庸群侠传》crpg-bench上跑了下 Fable 5.1 感觉并没有很惊艳，在玩游戏上智商水平和fable5/opus5/sonnet5没有显著差异。金庸群侠传bench是我用来测试大模型在long-horizon task能力的一个沙盒。评测方法很简单：通过截取游戏画面，视觉反馈，执行动作，不断循环，最终找齐14本天书完成游戏。玩过《金庸群侠传》的都懂： - 游戏是开放世界，通过升级招人打怪，最终集齐14本天书结束游戏，所以是彻头彻尾的long-horizon task。 - 游戏采用2.5D斜45度视角，加上1996年的320x200分辨率，绝对是VLM的噩梦：怪视角+渣画质+分布外。 - Caveat：虽然是开放式，但开局必先去找南贤北丑，不然寸步难行而且很容易误闯故事线直接被打死。至少我一开始是这么设计的：完全根据游戏的进度来设计评测指标。但实际做了一段测试后发现，很多frontier大模型连走出始发地都非常困难，更别提集齐14本天书。我也特地设计了相应的SKILL，让模型能对游戏内容任务和操作有基本的了解。为了避免消耗无意义的token，评测就局限在给定20分钟的时间下，谁能探索的最多就算谁厉害些。也就基本沦为了2.5D视角下视觉迷宫问题。经过测试了一些国产和国外的模型后，20分钟内能顺利走出出生地的模型是： - Fable 5.1：4分钟 - Fable 5：3分钟 - Opus 5：5分钟 - Sonnet 5：6分钟 - Gemini-3.7-flash：12分钟并且上述这些模型没有一个成功找到南贤居。

Han Xiao

20,791 subscribers

40,508 görüntüleme • 7 gün önce •via X (Twitter)

Bilim & Teknoloji

Anya Rossi• Live Now

Private livecam show

0 Yorum

Yorum bulunmuyor

Orijinal gönderinin yorumları burada görünecek

Benzer Videolar

Opus 5 模型现在是做游戏最屌的模型我用相同的提示词测试了 opus 5.0、fable 5.0、gpt 5.6sol 、k3 做游戏的能力，核心是让它们自己设计与开发游戏，展示能力的天花板下面视频中的游戏是 opus 5 开发的，其游戏设计，可玩性都比其他模型厉害很多，今天尝试做做更帅的游戏其他模型设计的游戏传送评论区 👇：

Opus 5 模型现在是做游戏最屌的模型我用相同的提示词测试了 opus 5.0、fable 5.0、gpt 5.6sol 、k3 做游戏的能力，核心是让它们自己设计与开发游戏，展示能力的天花板下面视频中的游戏是 opus 5 开发的，其游戏设计，可玩性都比其他模型厉害很多，今天尝试做做更帅的游戏其他模型设计的游戏传送评论区 👇：

Sac

92,902 görüntüleme • 1 ay önce

我发现身边很多人根本就不知道什么是 Agent，什么是 Skill，什么是 Harness 如果是用过 Claude Code 的人还好，但是对于那些只用过 Workday 甚至豆包的人，是根本不可能给他讲明白的。于是我突发奇想，对于这种基础差的人，其实更好的解释方法是用游戏，更加直观最近刷到好几次 Gear Zero 这个能够一键制作游戏的网站，所以我就想正好试一下做一版简单的概念游戏。因为看到有在线分享游戏的功能，如果以后谁再问我什么是agent、harness，我直接把链接甩给他，让他去玩一下，他就懂了我让 Claude 给我生成了一个初始版本的提示词，大概就是使用皮影戏的概念，来讲模型和 Skill。然后去尝试在线制作游戏。生成的时间大概是二十几分钟，一共送了初始 10 次积分，算上分享的次数能生成 15 次第一版的效果直接看演示视频，当然，也还有很多可以继续完善的点，总体来说我觉得还是不错的，达到了我的基本要求，后面也能够继续通过对话来进行迭代

我发现身边很多人根本就不知道什么是 Agent，什么是 Skill，什么是 Harness 如果是用过 Claude Code 的人还好，但是对于那些只用过 Workday 甚至豆包的人，是根本不可能给他讲明白的。于是我突发奇想，对于这种基础差的人，其实更好的解释方法是用游戏，更加直观最近刷到好几次 Gear Zero 这个能够一键制作游戏的网站，所以我就想正好试一下做一版简单的概念游戏。因为看到有在线分享游戏的功能，如果以后谁再问我什么是agent、harness，我直接把链接甩给他，让他去玩一下，他就懂了我让 Claude 给我生成了一个初始版本的提示词，大概就是使用皮影戏的概念，来讲模型和 Skill。然后去尝试在线制作游戏。生成的时间大概是二十几分钟，一共送了初始 10 次积分，算上分享的次数能生成 15 次第一版的效果直接看演示视频，当然，也还有很多可以继续完善的点，总体来说我觉得还是不错的，达到了我的基本要求，后面也能够继续通过对话来进行迭代

雪踏乌云

25,987 görüntüleme • 12 gün önce

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。这里 o1 一次生成可以执行的结果，确实是不错的。生成游戏时的提示词：使用 pygame 制作一个名为“找松鼠”的游戏：每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。如果草莓碰到你，你会死亡。三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

宝玉

18,172 görüntüleme • 2 yıl önce

这两天Claude Fable 5 不是回归了吗一直想重新测试一下它的功能看看它长任务的解决能力，所以我直接丢了一个要求：做一款完整的中文网页游戏《韭菜修仙：牛市生存模拟器》参考《吸血鬼幸存者》的割草玩法，但世界观全部换成 Crypto： FUD Rug Pull 巨鲸熊市黑客爆仓升级还能解锁： BTC 信仰 ETH Buff AI Agent Diamond Hands 整个游戏生成完成之后，我自己玩了十几分钟。说实话，比我预期还上头😂 —--- 更让我意外的，其实不是游戏。而是我突然意识到一件事。以前总觉得这种割草小游戏开发成本应该很高。但 AI 把整个流程跑完之后，我发现：真正复杂的并不是玩法。而是素材、美术、数值和平衡。如果把现在游戏里的这些方块、小卡片，全部替换成角色、NFT、链上资产或者项目 IP，其实就是另外一款游戏了。甚至完全可以做成： ✅ 链上交互小游戏 ✅ NFT 活动小游戏 ✅ 项目方任务游戏 ✅ Web2 爽游玩法几乎不用推倒重来。 AI 已经把最难的那部分搭好了。 —--- 这次整个任务也确实挺"重"。最终消耗： 📥 Input：33,603 Tokens 📤 Output：33,412 Tokens （大概是在2U左右）基本相当于让模型完整规划、设计并生成了一整个小游戏。也难怪大家都说 Fable 5 更适合这种长任务。 —--- 这次我没有去官方 Claude 跑，而是在 ZenMux 上体验的 Claude Fable 5 原因也很简单： Free 层就能直接体验 Fable 5 PAYG 账户只要 Credits > 0，就可以调用 claude-fable-5-free 后面如果想横向测试，还能直接切 PK 模式，同时对比 GPT-5.5、Opus 4.8、Gemini 等多个模型，不用来回切平台另外，现在 ZenMux 的 Auto Top-up 活动还在进行中（到 7 月 15 日），自动充值每笔还能额外赠送 20% 余额（最高可多获得 $300 额度）我下一步准备试一个更大的任务不是做游戏而是看看 Claude Fable 5 能不能直接帮我完成一个完整的 Web3 小产品。如果效果不错，再来分享全过程

这两天Claude Fable 5 不是回归了吗一直想重新测试一下它的功能看看它长任务的解决能力，所以我直接丢了一个要求：做一款完整的中文网页游戏《韭菜修仙：牛市生存模拟器》参考《吸血鬼幸存者》的割草玩法，但世界观全部换成 Crypto： FUD Rug Pull 巨鲸熊市黑客爆仓升级还能解锁： BTC 信仰 ETH Buff AI Agent Diamond Hands 整个游戏生成完成之后，我自己玩了十几分钟。说实话，比我预期还上头😂 —--- 更让我意外的，其实不是游戏。而是我突然意识到一件事。以前总觉得这种割草小游戏开发成本应该很高。但 AI 把整个流程跑完之后，我发现：真正复杂的并不是玩法。而是素材、美术、数值和平衡。如果把现在游戏里的这些方块、小卡片，全部替换成角色、NFT、链上资产或者项目 IP，其实就是另外一款游戏了。甚至完全可以做成： ✅ 链上交互小游戏 ✅ NFT 活动小游戏 ✅ 项目方任务游戏 ✅ Web2 爽游玩法几乎不用推倒重来。 AI 已经把最难的那部分搭好了。 —--- 这次整个任务也确实挺"重"。最终消耗： 📥 Input：33,603 Tokens 📤 Output：33,412 Tokens （大概是在2U左右）基本相当于让模型完整规划、设计并生成了一整个小游戏。也难怪大家都说 Fable 5 更适合这种长任务。 —--- 这次我没有去官方 Claude 跑，而是在 ZenMux 上体验的 Claude Fable 5 原因也很简单： Free 层就能直接体验 Fable 5 PAYG 账户只要 Credits > 0，就可以调用 claude-fable-5-free 后面如果想横向测试，还能直接切 PK 模式，同时对比 GPT-5.5、Opus 4.8、Gemini 等多个模型，不用来回切平台另外，现在 ZenMux 的 Auto Top-up 活动还在进行中（到 7 月 15 日），自动充值每笔还能额外赠送 20% 余额（最高可多获得 $300 额度）我下一步准备试一个更大的任务不是做游戏而是看看 Claude Fable 5 能不能直接帮我完成一个完整的 Web3 小产品。如果效果不错，再来分享全过程

小森🔶BNB

29,729 görüntüleme • 2 ay önce

游戏代打也要失业了? 来看 NVIDIA NitroGen NVIDIA 刚刚又发了个新模型 NitroGen，这是个只有 1B 大小却可以玩游戏的大模型，它接受视频帧输入，然后输出手柄操作。所以非常适合用来玩手柄可以操作的动作类游戏。这个模型最大的特点是，它是基于游戏视频本身学习的，以往互联网上虽然有很多游戏视频，但是游戏操作并没有记录下来，而 NitroGen 它利用了合成动作标签技术。研究团队通过大规模的逆动力学模型，从公开的互联网游戏视频中“反推”出当时玩家可能按下的键，从而人工合成了海量的训练数据，通过上万小时的纯视频数据进行预训练，打破了数据瓶颈。而且最重要的是，这个模型支持后训练。这意味着面对一款它从未见过的全新游戏不需要从头训练，只需少量的微调或适配即可上手游玩。

游戏代打也要失业了? 来看 NVIDIA NitroGen NVIDIA 刚刚又发了个新模型 NitroGen，这是个只有 1B 大小却可以玩游戏的大模型，它接受视频帧输入，然后输出手柄操作。所以非常适合用来玩手柄可以操作的动作类游戏。这个模型最大的特点是，它是基于游戏视频本身学习的，以往互联网上虽然有很多游戏视频，但是游戏操作并没有记录下来，而 NitroGen 它利用了合成动作标签技术。研究团队通过大规模的逆动力学模型，从公开的互联网游戏视频中“反推”出当时玩家可能按下的键，从而人工合成了海量的训练数据，通过上万小时的纯视频数据进行预训练，打破了数据瓶颈。而且最重要的是，这个模型支持后训练。这意味着面对一款它从未见过的全新游戏不需要从头训练，只需少量的微调或适配即可上手游玩。

karminski-牙医

103,492 görüntüleme • 8 ay önce

卧槽，AI 做的游戏已经能打过 4399 了？？当年那些游戏现在回去看，糙得不行，但是真的快乐但今天,4399 被 AI 干掉了，我童年没了一个巨鼎无比的游戏制作网站Gear Zero，你给个提示词描述一个游戏，AI 直接给你做出来，浏览器打开就能玩本来没抱什么期待,以为跟之前的一键出游戏差不多, 玩了几个之后,彻底改变我的想法,说实话有点被吓到：这完成度，比 4399 上 95% 的游戏都高不是那种"AI 生成了一个能动的 demo""的水平, 是真的有关卡设计、有打击感、有能玩下去的欲望的水平评论区放了四个我觉得完成度最高的，浏览器直接打开就能玩，不用注册，不用装任何东西玩完你再告诉我，这还像是 AI 做的吗

卧槽，AI 做的游戏已经能打过 4399 了？？当年那些游戏现在回去看，糙得不行，但是真的快乐但今天,4399 被 AI 干掉了，我童年没了一个巨鼎无比的游戏制作网站Gear Zero，你给个提示词描述一个游戏，AI 直接给你做出来，浏览器打开就能玩本来没抱什么期待,以为跟之前的一键出游戏差不多, 玩了几个之后,彻底改变我的想法,说实话有点被吓到：这完成度，比 4399 上 95% 的游戏都高不是那种"AI 生成了一个能动的 demo""的水平, 是真的有关卡设计、有打击感、有能玩下去的欲望的水平评论区放了四个我觉得完成度最高的，浏览器直接打开就能玩，不用注册，不用装任何东西玩完你再告诉我，这还像是 AI 做的吗

韦小宝

120,334 görüntüleme • 13 gün önce

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

Kimi-K2.6 前端/后端/Agent编程能力实测! 甚至还帮我做了个游戏! 给大家带来刚刚正式发布的 kimi-k2.6 的正式版本的实测! 本次为了考验它的长程Agentic Coding能力, 我用 kimi-k2.6-code-preview 写了个 harness 游戏自动生成框架, 它可以根据给到的人设/场景/数值设计等规则, 自动生成关卡, 背景图片, 甚至配音! 其中框架驱动和草稿模型使用 kimi-k2.6, 文生图和生成语音由 kimi-k2.6 生成 prompt 后调用其它大模型生成. 最好玩的是, 我做了个"无头"版本的游戏cli接口, kimi-k2.6 能像玩互联网早期Mud游戏一样, 使用纯文本玩这个游戏, 每当它生成关卡之后, 他就可以直接进入游戏游玩一下, 来验证关卡设计得是否正确. 而内部设计又分为了对话生成skill, 脚本生成skill, 关卡生成skill, 游戏测试大师skill, 游戏资深玩家skill(由于检讨游戏性) 等等, 从而实现了让大模型自己写游戏自己玩! 每个关卡大概需要一个小时生成和验证, 如果并行验证应该还能更快一些(做多线程BFS/DFS). 另外本次依旧使用大家都熟悉的测试项目进行了前端/后端/Agent能力测试, 从测试来看, 复杂项目前端能力(建模, 空间理解, 物理模拟等)略有下降, 但后端和 Agent 能力有明显提升. 不过如果你是纯做网站的话, 可以用 kimi 网站上的的 k2.6 Agent 模式, 由于 Agent 能力足够强所以可以在这个模式下多步来提升生成的网站质量和交互体验. #kimi #kimik26 #moonshot #月之暗面 #kimicli

karminski-牙医

40,177 görüntüleme • 4 ay önce

挺吓人的，英伟达新发布的模型NitroGen混成了游戏界的“六边形战士”，几乎啥都能玩，水平还不低。在收集筛选了40000小时、涵盖1000余款不同种类的游戏视频后训练出来的NitroGen能在多种不同类型的游戏场景中均表现出较强能力，包括：3D 动作游戏中的战斗对抗，2D 平台跳跃游戏中的高精度操作，以及程序生成世界中的探索任务。更重要的是，NitroGen 能够有效迁移到从未见过的新游戏。在相同任务设定下，其任务成功率相比从零开始训练的模型，最高可实现 52% 的相对提升。这里面很多游戏我还真认识，不是特别要操作的，就是玩着玩着会迷路的，我是甘拜下风了，大家觉得呢？

挺吓人的，英伟达新发布的模型NitroGen混成了游戏界的“六边形战士”，几乎啥都能玩，水平还不低。在收集筛选了40000小时、涵盖1000余款不同种类的游戏视频后训练出来的NitroGen能在多种不同类型的游戏场景中均表现出较强能力，包括：3D 动作游戏中的战斗对抗，2D 平台跳跃游戏中的高精度操作，以及程序生成世界中的探索任务。更重要的是，NitroGen 能够有效迁移到从未见过的新游戏。在相同任务设定下，其任务成功率相比从零开始训练的模型，最高可实现 52% 的相对提升。这里面很多游戏我还真认识，不是特别要操作的，就是玩着玩着会迷路的，我是甘拜下风了，大家觉得呢？

傅盛

195,888 görüntüleme • 8 ay önce

这是我目前见到过最好的K3案例。一位参与K3早期测试的朋友，全程只用K3开发了一个的3D 任天堂游戏机模拟器，甚至连按键的阻尼感都完美进行了还原。而且，它不只是一个玩具外壳，而是可以真实装载 room 进行游戏的、具有完整后端的产品这太疯狂了，在此之前我只见过Fable 5有这样的能力，甚至GPT-5.6 Sol都没有。开源模型又一次追平了那些昂贵的闭源模型！

这是我目前见到过最好的K3案例。一位参与K3早期测试的朋友，全程只用K3开发了一个的3D 任天堂游戏机模拟器，甚至连按键的阻尼感都完美进行了还原。而且，它不只是一个玩具外壳，而是可以真实装载 room 进行游戏的、具有完整后端的产品这太疯狂了，在此之前我只见过Fable 5有这样的能力，甚至GPT-5.6 Sol都没有。开源模型又一次追平了那些昂贵的闭源模型！

Max For AI

42,362 görüntüleme • 1 ay önce

我开发了一个竹知了游戏真的太神奇了，我在MakePlay(Makeplay.ai | Free AI Game Maker)用一句话就实现了一个竹知了的游戏开发，全程没有写一行代码，就用下面的提示词+竹知了的图片作为参考，它开发完了游戏还会自动测试可用性，太强了。提示词：做一个摇动竹知了发出声音的游戏，通过点击屏幕的速度来决定竹知了转动的速度，速度越快，竹知了的声音越大，并在顶部显示转了多少圈，竹知了的造型参考图1 游戏玩法简单，就是通过点击屏幕的快慢来转动竹知了发声，通过MakePlay真是极大的降低了开发游戏的成本。我的游戏链接：

我开发了一个竹知了游戏真的太神奇了，我在MakePlay(Makeplay.ai | Free AI Game Maker)用一句话就实现了一个竹知了的游戏开发，全程没有写一行代码，就用下面的提示词+竹知了的图片作为参考，它开发完了游戏还会自动测试可用性，太强了。提示词：做一个摇动竹知了发出声音的游戏，通过点击屏幕的速度来决定竹知了转动的速度，速度越快，竹知了的声音越大，并在顶部显示转了多少圈，竹知了的造型参考图1 游戏玩法简单，就是通过点击屏幕的快慢来转动竹知了发声，通过MakePlay真是极大的降低了开发游戏的成本。我的游戏链接：

Mr Gafish | 鱼哥

12,211 görüntüleme • 1 ay önce

🎮GameFi 综合评分：⭐⭐⭐ 这几天比较热的应该属于HUNTERA 这个游戏了，现在的问题是，我没有找到他们的X账号以及TG,DC社区。所以没有办法了解太多信息！我今天早上玩了一下，怪物内容很丰富，但是其他内容就差点意思了。整体来说还算不错。游戏将在21号正式发布，现在属于beta测试！游戏链接放在评论区，想玩的自己去玩一下

🎮GameFi 综合评分：⭐⭐⭐ 这几天比较热的应该属于HUNTERA 这个游戏了，现在的问题是，我没有找到他们的X账号以及TG,DC社区。所以没有办法了解太多信息！我今天早上玩了一下，怪物内容很丰富，但是其他内容就差点意思了。整体来说还算不错。游戏将在21号正式发布，现在属于beta测试！游戏链接放在评论区，想玩的自己去玩一下

GameFi Labs

19,862 görüntüleme • 21 gün önce

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。过去开发 Agent 的 skill 基本是这样的：写 prompt → 试一下 → 不行再改 → 靠感觉上线。但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试）可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复：错误触发没触发描述不清这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样：测试评估基准测试持续优化更有意思的一点是：如果某一天，基础模型在没有 skill 的情况下也能通过这些测试，说明这个能力已经被模型“学会”了。也就是说：今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。

Anthropic 刚刚悄悄解决了 AI Agent 最大的一个问题之一。过去开发 Agent 的 skill 基本是这样的：写 prompt → 试一下 → 不行再改 → 靠感觉上线。但 Claude 现在给 Skill Creator 加了 3 个关键能力： 1️⃣ Skill Evals（技能测试）可以定义测试问题和成功标准，自动验证一个 skill 是否真的有效。 2️⃣ 多 Agent 基准测试可以并行运行多个 agent，甚至对两个 skill 版本做 A/B 测试。 3️⃣ 触发优化 Claude 会分析你的 skill 描述，自动修复：错误触发没触发描述不清这意味着一件很重要的事： AI Agent 开发正在从 “Prompt Engineering” 变成 “AI Software Engineering” 你可以像开发软件一样：测试评估基准测试持续优化更有意思的一点是：如果某一天，基础模型在没有 skill 的情况下也能通过这些测试，说明这个能力已经被模型“学会”了。也就是说：今天的 Skill，很可能会变成明天的模型能力。 Prompt、Skill、模型训练之间的边界，正在消失。

axiaisacat

68,008 görüntüleme • 6 ay önce

想做一个游戏，一时之间想不起来做什么。最近的新闻让人满脑子都是找妈妈。今天结合小学课本上的《小蝌蚪找妈妈》做一个小游戏。游戏非常简单：第一关：突破卵膜，获得新生第二关：越过香蕉障碍第三关：磨掉指甲才是小蝌蚪第四关：妈妈在烟花下等你这里必须提到 Gear Zero，根据我自己的体验总结以下优点👇： 1.用聊天做游戏，不是用引擎做游戏 2.交出来的是能玩的游戏，不是一次性 Demo 3.Deep Mode：同一款游戏可以连续打磨很久 4.房间制协作，不是一个人对着对话框苦聊 5.改完就有新版本，好想法不会丢 6.别人的游戏也能接着做 7.发布即分享，几乎零分发成本 8.能免费做起来以前我们讨论 AI，讨论的是它会不会取代谁。这次我想换个说法：它把入口打开了。让更多本来会被拦在门外的人，第一次摸到「我做的游戏」。不是发行厂，不是大团队，一个普通人，靠 AI 把脑洞做成能玩的游戏。以前这叫幻想，现在叫上线。热点会过，但「谁都能做自己的游戏」不会过。试玩我的游戏：想实现自己的游戏构想？官网链接：

想做一个游戏，一时之间想不起来做什么。最近的新闻让人满脑子都是找妈妈。今天结合小学课本上的《小蝌蚪找妈妈》做一个小游戏。游戏非常简单：第一关：突破卵膜，获得新生第二关：越过香蕉障碍第三关：磨掉指甲才是小蝌蚪第四关：妈妈在烟花下等你这里必须提到 Gear Zero，根据我自己的体验总结以下优点👇： 1.用聊天做游戏，不是用引擎做游戏 2.交出来的是能玩的游戏，不是一次性 Demo 3.Deep Mode：同一款游戏可以连续打磨很久 4.房间制协作，不是一个人对着对话框苦聊 5.改完就有新版本，好想法不会丢 6.别人的游戏也能接着做 7.发布即分享，几乎零分发成本 8.能免费做起来以前我们讨论 AI，讨论的是它会不会取代谁。这次我想换个说法：它把入口打开了。让更多本来会被拦在门外的人，第一次摸到「我做的游戏」。不是发行厂，不是大团队，一个普通人，靠 AI 把脑洞做成能玩的游戏。以前这叫幻想，现在叫上线。热点会过，但「谁都能做自己的游戏」不会过。试玩我的游戏：想实现自己的游戏构想？官网链接：

九尾狐-FoxFairy🦊

17,661 görüntüleme • 11 gün önce

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

开源分解图层大模型这么快就来了? 给大家带来阿里刚刚发布的 Qwen-Image-Layered 模型实测, 这是一个可以把图片分成不同图层的大模型, 模型是基于 Qwen-Image 微调的. 本次我的测试覆盖这个模型的擅长场景(海报), 指令遵循测试(指定抽取目标), 边缘处理(头发), 极限测试(全是贴纸, 一个贴纸一个图层的话可以抽取50多个图层). 直接说结论, 首先还是模型太大了, 因为这个模型基于 Qwen-Image 所以是个20B的模型, 我是用HuggingFace Zero GPU 测试, 每次运行大概2分钟左右, 模型的确可以做到分离图层, 而且边缘处理很不错, 不过稳定性有待优化, 在我测试中4个图层可以输出, 但是8个或者10个图层就炸了, 怀疑可能是超过了Zero GPU超时或者bug (GPU是H200, 不太可能爆显存), 输出尺寸只有 544*736, 官方也推荐640分辨力, 这点也需要提升, 以及模型还是太大了, 20B, 希望能优化下尺寸.

karminski-牙医

14,175 görüntüleme • 8 ay önce

Damn，游戏行业的原型成本逻辑，刚刚被一个开源模型直接干碎了🤯。。。当外行还在纠结 720p24 帧的时候，内行已经在算验证周期成本能压缩多少倍了，也就是说独立团队攒人搭班子耗几周做可玩原型的死局，现在直接被打开了缺口。半年后再回头看，这个世界模型一定会是游戏行业的一个分水岭，但我翻了一圈发现绝大多数人还盯着画质参数争论，完全没摸到它真正的核心价值。这个刚开源的模型叫 Alaya World，它真正重构的不是游戏画质，是「试一个世界要花多少钱」这件事的成本结构。外行看 720p 24 帧，内行看三件事，显式 3D 空间缓存、压缩帧历史记忆、Error Bank 误差回灌。最反直觉的就是这个 Error Bank，故意把积累的伪影回灌进训练，让模型学会在 "脏历史" 上继续正确预测。不是追求每一步完美，是学会带着错误往前走，没有这个，15 秒就穿帮，一分钟想都别想。所以真正的变量是什么呢？以前搭一个可玩原型，要美术关卡物理脚本凑齐几个人搞几周，现在输入一张图一条相机轨迹几句 prompt，一分钟可探索场景直接滚出来。所以真正被干碎的其实是原型成本，pre-vis 速度，玩法验证环，以及独立团队和 UGC 的创作门槛，被压到了接近提示词的级别。但精确碰撞，多人同步，数值平衡，持久存档，这些 3A 的核心骨架，一个都没碰，也就是说，可玩不等于可上线，毕竟中间隔着整个游戏工业。两条路线正在分叉，一条是视频可玩的世界模型，一条是 3D 资产化进引擎管线，属于短期互补，而不是二选一。我反而觉得长期最大的战场可能不在游戏，大概率会是具身智能的仿真数据工厂，而且这件事很有肯能被低估了。那么Alaya 也许只是第一扇门吧 hhh～

Damn，游戏行业的原型成本逻辑，刚刚被一个开源模型直接干碎了🤯。。。当外行还在纠结 720p24 帧的时候，内行已经在算验证周期成本能压缩多少倍了，也就是说独立团队攒人搭班子耗几周做可玩原型的死局，现在直接被打开了缺口。半年后再回头看，这个世界模型一定会是游戏行业的一个分水岭，但我翻了一圈发现绝大多数人还盯着画质参数争论，完全没摸到它真正的核心价值。这个刚开源的模型叫 Alaya World，它真正重构的不是游戏画质，是「试一个世界要花多少钱」这件事的成本结构。外行看 720p 24 帧，内行看三件事，显式 3D 空间缓存、压缩帧历史记忆、Error Bank 误差回灌。最反直觉的就是这个 Error Bank，故意把积累的伪影回灌进训练，让模型学会在 "脏历史" 上继续正确预测。不是追求每一步完美，是学会带着错误往前走，没有这个，15 秒就穿帮，一分钟想都别想。所以真正的变量是什么呢？以前搭一个可玩原型，要美术关卡物理脚本凑齐几个人搞几周，现在输入一张图一条相机轨迹几句 prompt，一分钟可探索场景直接滚出来。所以真正被干碎的其实是原型成本，pre-vis 速度，玩法验证环，以及独立团队和 UGC 的创作门槛，被压到了接近提示词的级别。但精确碰撞，多人同步，数值平衡，持久存档，这些 3A 的核心骨架，一个都没碰，也就是说，可玩不等于可上线，毕竟中间隔着整个游戏工业。两条路线正在分叉，一条是视频可玩的世界模型，一条是 3D 资产化进引擎管线，属于短期互补，而不是二选一。我反而觉得长期最大的战场可能不在游戏，大概率会是具身智能的仿真数据工厂，而且这件事很有肯能被低估了。那么Alaya 也许只是第一扇门吧 hhh～

AYi

161,998 görüntüleme • 1 ay önce

兄弟们，挖到金矿了！卡了我大半天的难题，AnySearch几分钟就给我刨出来了。让Coding Agent通过它去搜索一个解密模式，几分钟后它回我一句：「挖到金矿了！！！」代码、调用关系、上游进度，全给我刨出来了—通用搜索根本给不了这些。踩了很久的坑我才想明白：模型没问题，是搜索这层拖了后腿。 4 段视频拆开讲：踩坑 → 解法 → coding 实测 → 怎么接。先看这段👇

兄弟们，挖到金矿了！卡了我大半天的难题，AnySearch几分钟就给我刨出来了。让Coding Agent通过它去搜索一个解密模式，几分钟后它回我一句：「挖到金矿了！！！」代码、调用关系、上游进度，全给我刨出来了—通用搜索根本给不了这些。踩了很久的坑我才想明白：模型没问题，是搜索这层拖了后腿。 4 段视频拆开讲：踩坑 → 解法 → coding 实测 → 怎么接。先看这段👇

huangserva

77,311 görüntüleme • 1 ay önce

游戏世界的天要变了，玩游戏的人，现在也可以AI搓游戏啦。哈哈，更有意思的是AI 在干活的时候，你可以一直在旁边摸鱼打游戏。不用学游戏引擎、不用写代码、不用搞美工，就说话，就靠脑洞，描述它，看它变成游戏。太高级了，随便什么人，不用关心游戏怎么做，只要有嘴就行。我对 Gear Zero 说：帮我设计：《是兄弟就来砍我》。 20 分钟后，第一个能在浏览器里直接玩的版本出现了。突然想起小时候的4488小游戏网站，以前在玩别人创造的世界，现在，轮到我们创造自己的世界。 Gear Zero 不只是生成一个玩完即弃的 AI Demo。Deep Mode 可以围绕同一款游戏持续工作最长 10 小时；你还可以邀请朋友进入同一个创作房间，一起讨论、修改和打磨游戏。以前我只会玩游戏，现在我一句话就能搓出一个游戏。还可以不断迭代，别人的游戏还可以继续二创想试试的话，直接来，不用花钱：打开官网免费注册账号用大白话描述你想做的游戏看着它一步步变成真正能玩的作品 Gear Zero

游戏世界的天要变了，玩游戏的人，现在也可以AI搓游戏啦。哈哈，更有意思的是AI 在干活的时候，你可以一直在旁边摸鱼打游戏。不用学游戏引擎、不用写代码、不用搞美工，就说话，就靠脑洞，描述它，看它变成游戏。太高级了，随便什么人，不用关心游戏怎么做，只要有嘴就行。我对 Gear Zero 说：帮我设计：《是兄弟就来砍我》。 20 分钟后，第一个能在浏览器里直接玩的版本出现了。突然想起小时候的4488小游戏网站，以前在玩别人创造的世界，现在，轮到我们创造自己的世界。 Gear Zero 不只是生成一个玩完即弃的 AI Demo。Deep Mode 可以围绕同一款游戏持续工作最长 10 小时；你还可以邀请朋友进入同一个创作房间，一起讨论、修改和打磨游戏。以前我只会玩游戏，现在我一句话就能搓出一个游戏。还可以不断迭代，别人的游戏还可以继续二创想试试的话，直接来，不用花钱：打开官网免费注册账号用大白话描述你想做的游戏看着它一步步变成真正能玩的作品 Gear Zero

岚叔

125,055 görüntüleme • 14 gün önce

人生中第一次通宵了，因为一个网站@gearzero_alayaAI 如今 AI做的游戏比人做的好玩了但是这事没人敢说，只需要你用中文说一句话，它直接给你做一个游戏出来浏览器打开就能玩你先别急着划走，我知道你在想什么 “又是 AI 一键生成的垃圾 demo 吧” 我也是这么想的直到我玩了一个废土射击，有关卡设计，有打击感又玩了一个穿墙解谜，二十分钟没关掉再玩了一个公路追逐，手感丝滑到我以为是真人做的这完成度超过 4399 上 95% 的游戏，我没夸张，而且免费，不用注册，不用装，中文就行四个游戏链接在评论区不信你点进去能 5 分钟之内关掉，你是我大哥

人生中第一次通宵了，因为一个网站@gearzero_alayaAI 如今 AI做的游戏比人做的好玩了但是这事没人敢说，只需要你用中文说一句话，它直接给你做一个游戏出来浏览器打开就能玩你先别急着划走，我知道你在想什么 “又是 AI 一键生成的垃圾 demo 吧” 我也是这么想的直到我玩了一个废土射击，有关卡设计，有打击感又玩了一个穿墙解谜，二十分钟没关掉再玩了一个公路追逐，手感丝滑到我以为是真人做的这完成度超过 4399 上 95% 的游戏，我没夸张，而且免费，不用注册，不用装，中文就行四个游戏链接在评论区不信你点进去能 5 分钟之内关掉，你是我大哥

王大锤

17,291 görüntüleme • 13 gün önce

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

从国产SOTA走向世界SOTA? GLM-5.1 实测! 给大家带来 GLM-5.1 编程能力实测! 本次测试涵盖了前端, 后端, Agent 能力, 前端主要面向空间建模, 场景, 材质, 粒子效果等, 后端能力主要面向数据结构与算法, 体系结构, 性能优化, 内存和并发管理, 性能热点分析与调优, 面向编辑器方向的Agent能力(因为AI要自己改代码). 直接说结论, 本次测试前端方面粒子效果和光影鲜果略有提升, 剩下空间理解(甚至感觉下降了)和前端美学上没看到有什么提升, 只能说是提升了一点点. 但是后端性能上有巨大的提升, GLM-5.1 在我的 vector-db-bench 中直接秀了一手量化, 把原本32bit精度的数据量化到了8bit, 然后使用SIMD实现了一个指令周期内计算32个向量, 在我测试的其他模型中(包括Claude-opus-4.6, GPT-5.4-Pro(xhigh)) 都没有实现, 直接来到了榜首. 另外Agent能力上也有不小的提升, 同样是我写的让大模型模拟送外卖的硅基骑手测试, 其他大模型的优化还停留在看一个店能不能取两单上, GLM-5.1 已经优化到了我送餐的顺路还能再接一单, 并且仅用了大概GLM-5 1/4的 token 用量就超越了 GLM-5 的测试总分. 当然本次测试过程也很坎坷, 首先是我周末抢了2天都没抢到 coding plan (目前只有coding plan 能用这个模型), 我最后找智谱的同学给我开了个权限. 以及测试中发现白天API不是很稳定, 偶尔输出速度会掉到10tps, 以及会出现乱码文字(我的规避方法是让它输出英文, 然后再找个便宜模型翻译过来). 总结, 各位前端同学估计会失望, 因为无论是从工程还是页面效果上都看不到提升, 甚至可能会有点倒退, 但果写后端代码或者复杂Agent应用可以试试这个新模型, 会有很大的提升. #GLM51 #智谱 #GLM #AIAgent #大模型编程

karminski-牙医

19,683 görüntüleme • 5 ay önce

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

兄弟们这个模式可能是一个AI 游戏新物种 Yoroll：世界模型+AI视频模型打造了一种全新的游戏体验他们把视频生成模型从“内容工具”变成“游戏运行层” 也就是通过AI视频模型来为游戏生成剧情和情节走向他们设计了一个三层分离的结构：表现层：由AI视频生成模型驱动，相当于一个"AI 导演"，根据游戏状态实时"拍摄"每个场景交互层：翻译玩家行为，支持选项、点击、滑动、长按、连点、对抗点击等多种 QTE 玩法系统层：是确定性的游戏逻辑引擎，负责状态管理、分支系统和世界模型官方案例：一个没写过剧本、没碰过游戏引擎的《甄嬛传》粉丝，花了不到一周，做出了一款性转版的《甄嬛传》 AI 互动游戏 Demo。抖音单条视频数万赞，播放量过百万。这个项目叫"华君传"，女尊世界观，男性入宫，宫廷权谋加情感博弈，玩家的每一个选择都会把剧情推向不同方向... 这套设计最聪明的地方在于：视频模型和游戏逻辑被彻底解耦了。就像 Netflix 把同一部电影从 1080p 升级到 4K，剧情剪辑一字不改。 AI 只管画面，你看到的场景、镜头、画面表现，这些交给 AI 视频模型去生成。逻辑由系统管，你选了什么、血量多少、剧情该往哪走、谁是敌人谁是盟友，这些全部由一套固定的逻辑引擎来记录和控制，不靠 AI 猜。 AI 负责好看和剧情，系统负责靠谱，两边各干各的，互不干扰。这样一来，以后 AI 视频模型升级了，画面直接变好，但游戏逻辑、你的存档、剧情分支全都不用动。游戏质量只会提高，而且可玩性也会有很大变化...

小互

26,620 görüntüleme • 5 ay önce