三款国产旗舰同做一个3D游戏,谁是真正的"AI打工人"?实测结果出乎意料

原创2026-10-21 02:26:381,990 阅读
文章标签:大模型基础模型人工智能多模态AI Agent本地部署

三款国产旗舰同做一个3D游戏,谁是真正的"AI打工人"?实测结果出乎意料

最近AI圈最热闹的一场"掰手腕",不是比谁跑分高,而是让三款国产旗舰大模型——Step 5、DeepSeek V4 Pro、GLM5.3——干同一件实事:从零开发一个3D游戏。

这个玩法在网上一下就火了,几万人在围观。大家发现:有的模型像个"嘴强王者",说得头头是道,一动手就露馅;有的却闷声不响把活干完了,连游戏的画面、交互、可玩性都给你整得明明白白。

今天咱就用大白话,聊聊这场"三英战吕布",顺便看看国产大模型到底进化到哪一步了。

一、先认识一下"主角":Step 5是个什么来头?

Step 5是阶跃星辰(就是做了不少爆款大模型的那家公司)刚推出的旗舰产品,一发布就直接冲上了OpenRouter全球热门榜第一,10月中旬正式开源权重,连腾讯的WorkBuddy都赶紧上线了它,还搞了限时免费体验。

怎么跟普通人解释它有多"大"?打个比方:它就像一家拥有6000名员工的大公司,但每次接活,它不会让所有员工一拥而上,而是精准只叫最对口的27位"专家"来干活。这种"大公司小团队作战"的套路,业内叫"混合专家"架构——好处是脑子够大、见识够广,但干活时又高效省电。

更厉害的是它的"记忆力":一口气能记住100万字的上下文。什么概念?相当于把一本上千页的书从头到尾读一遍,还能把开头和结尾的细节串起来给你分析,中途绝不"失忆"。

而且它不光识字,还能看图。股票K线图、合同扫描件、产品截图,丢给它都能看懂。所以它给自己的定位不是"聊天机器人",而是能独立把活干完的"数字员工"。

二、同一个3D游戏任务,三款旗舰交出三种答卷

网上这个测试很实在:不考背题库,直接让三个模型开发一个3D互动小游戏,看谁交的成品最像样。

第一道坎:理解需求。 同样一句"给我做个3D游戏",有的模型会追问细节,有的直接开干。Step 5的表现是先把任务拆成一个个小步骤——建场景、写逻辑、调交互、跑测试,像极了老练的项目经理拿到需求先列清单。

第二道坎:动手干活。 这一步差距就出来了。开发游戏不是聊天,得不停地写代码、运行、看报错、再修改,来回折腾几十轮。有的模型写两行就"卡壳",有的却能一路自查自纠,把报错当成"解题线索",一步步把游戏从"毛坯房"装修到"能住人"。

第三道坎:交成品。 有博主实测,让它们产出带3D互动的教学演示(用的是常见的网页3D技术),Step 5交出来的作品是真的能转、能点、能玩的立体互动页面,而不是一坨干巴巴的说明文字。同样是这个任务,DeepSeek V4 Pro和GLM5.3也各有发挥,但评论区不少围观群众直言:论"把想法落地成能跑的成品",Step 5这次确实有点东西。

还有人拿Minecraft(我的世界)Mod开发的真实场景做对比测试,结论更有意思:三个模型不是简单的谁强谁弱,而是各有分工——有的适合当"主力程序员",有的适合做"逻辑参谋",有的适合干"杂活"。选模型这事,越来越像组团队了。

三、Agent能力拉开差距:会聊天 ≠ 会干活

你可能要问:这些模型平时不都能说会道吗?差距到底在哪?

关键就在一个词:Agent(智能体)能力。用大白话说,就是AI能不能自己把一件复杂的活儿从头干到尾,中途不需要你手把手喂。

普通聊天模型像"百科全书",你问一句它答一句,答完就完事了。而Agent型模型像"实习生",你给它一个目标,它会自己拆任务、找资料、调工具、看结果、改方案,最后给你交作业。

实测里最能体现这点的,是让模型完成"金融数据可视化"这种复合任务:既要读懂数据,又要设计图表,还得生成能看能用的网页。Step 5能把A股热力图、财报分析报告、极简手绘长图一套活全包了,中间自动调用各种工具,像流水线上的老师傅。而这种"持续推理+反复调用工具+根据结果自我修正"的连环操作,恰恰是很多模型最露怯的地方——跑分很高,一干复杂长活就掉链子。

说白了:跑分是"笔试",真实任务才是"项目答辩"。笔试满分的,答辩不一定过关。

四、普通人能用吗?门槛高不高?

先说结论:6000名员工的公司,你个人电脑是"养不起"的。Step 5这种旗舰模型的完全体,需要专业服务器集群来带,普通笔记本想本地跑基本没戏。

但别急着劝退,普通人有两条免费又省事的路:

一是腾讯WorkBuddy已经免费上线了Step 5(10月中下旬有独家限免期),打开网页就能用,不需要任何技术基础,跟用ChatGPT一样简单。想体验"AI帮你做3D游戏、做网页、分析财报"的,去试试就知道差距。

二是API接口已经开放,程序员朋友可以把它接进自己的工具链,给软件装上这颗"国产新心脏"。至于价格,多方实测都说API成本比同级模型明显更便宜,属于"旗舰的脑子、经济舱的票价"。

适合谁用? 自媒体创作者(让它生成互动图文、可视化图表)、办公白领(让它啃合同、写报告)、金融从业者(处理长文档和数据分析是它的看家本领)、游戏开发者(当你的"AI程序猿同事")。

五、写在最后

从这场"3D游戏大比武"能看出,国产大模型的竞争已经进入新阶段:不再拼谁背的书多,而是拼谁能真正把事办成。Step 5这次登顶热门榜、被各大平台抢着接入,靠的正是"能干实事"这四个字。

也许用不了多久,"你的数字员工"就不再是概念,而是像手机App一样随手可得——你说一句"帮我做个游戏",它就真的给你做出来了。

最后抛个互动话题:如果让AI帮你干一件最头疼的活儿,你最想让它干什么?是做PPT、写代码、做游戏,还是帮你把老板的活儿全接了?评论区聊聊!

登录后查看全文
Step-5-Preview