测试环境与任务设定
本期节目旨在进行一场终极对比，涵盖 Fable 5、Chat GPT 5.6 Soul Max Edition、Opus 5 以及本地最佳生成模型。测试基于 Supercomputer 云虚拟机进行，该环境提供真实的 Chrome 浏览器、终端接口及文件存储功能。核心任务是生成一个 GTA 5 克隆版，以评估不同模型在复杂游戏开发中的表现。主持人首先启动了 Max 模式（包含 Fable 5 和 GPT 5.6 Soul），并明确指令 AI 使用 Supercomputer 基础设施而非更便宜的 Abacus AI，以确保测试的是平台本身的极限能力。尽管这会导致较高的积分消耗，但目的是为了获得最高质量的生成结果。
"I'm going to say use supercomputer and make it your best work."
本地模型生成效果回顾
在对比云端模型之前，视频回顾了此前使用 180,000 上下文窗口进行约 4-5 小时本地推理所生成的成果。该版本构建了一个名为“Liberty City”的场景，虽然具备可驾驶车辆和基础图形效果，但存在明显缺陷：缺乏与其他车辆的碰撞检测。尽管本地运行速度慢且资源消耗大，但它为后续云端模型的对比提供了基准。主持人指出，这种长时间、高上下文窗口的本地生成过程展示了当前开源或私有模型在复杂任务上的潜力与局限。
"Liberty City, a place where dreams come to die and everyone's looking for a way out."
Fable 5/GPT 5.6 Soul Max 生成演示
云端模型（Fable 5 或 GPT 5.6 Soul Max）在约 10 分钟内完成了任务。与本地模型不同，该 AI 采用分阶段构建策略：首先创建基础 index.html，随后逐步完善城市生成、玩家车辆物理引擎及相机系统。最终生成的游戏包含实时阴影、树木碰撞检测以及行人逃跑逻辑，甚至实现了昼夜交替模式和车灯自动开启功能。虽然存在轻微的 Z-fighting（图形闪烁）和部分行人无碰撞问题，但整体视觉效果精美。AI 还将游戏发布至 GTA-City.abacus.ai.cloud，允许全球用户在线游玩。生成的单一 HTML 文件被保存至虚拟机文件系统，供后续下载和迭代使用。
"There is looks like a day and night transition mode. So, our headlights went on."
Extra High模式生成耗时与信用消耗对比
在视频后半段，创作者详细复盘了使用 Extra High 模式生成游戏的过程。该过程持续了约一个半小时，最终生成的文件消耗了 15,000 个信用点。相比之下，此前使用的 Max 模式仅运行了 10分钟，消耗了 8,600 个信用点。尽管 Extra High 模式耗时更长且消耗更多资源，但其生成策略更为智能：它没有直接输出单一文件，而是生成了多个不同文件，并利用构建功能将它们合并为一个最终文件。这种 模块化生成策略 使得代码更具可维护性和彻底性，虽然初始版本在从 CDN 加载模块时出现错误需要手动修正，但整体质量显著更高。
"So, originally, it did make a generation after an hour. So, it made these files. And it was around 15,000 credits it used up." "The one interesting strategy that the extra high version did is rather than printing out one file... it actually printed out several different files, but it used a build feature to combine it all together into one file."
| 生成模式 | 运行时长 | 信用消耗 (Credits) |
|---|---|---|
| Extra High | 约1小时 (后续提及总时长超1.5-2小时) | 15,000 |
| Max | 10分钟 | 8,600 |
AI自主QA测试与游戏功能验证
在生成过程中，AI 不仅编写代码，还主动进行了 自动化质量保障（QA）。它在虚拟机内的 Chrome 浏览器中运行游戏，通过截图和脚本检查来验证功能是否正常。例如，AI 发现相机从“点锁定”切换到鼠标增量控制的问题，并自行修复。这种 自我测试机制 确保了交付前的稳定性。
"It even found a couple of bugs here. So, it's actually playing the game just to check if different features of it is working." "The camera swung from the point to lock mouse delta. Let me drive via the scripted check instead."
最终游戏演示与性能评估
经过约一个半小时至两小时的生成周期，GTA-City Abacus AI.cloud 上的最终版本呈现出极高的完成度。游戏包含图形质量设置、主音量控制以及完整的昼夜交替系统。玩家角色拥有四肢动画，支持射击和驾驶功能，并能触发通缉等级机制（如警察追击）。尽管 Max 模式生成速度更快，但 Extra High 模式在性价比和质量上表现更优，提供了接近完整商业游戏的体验。创作者认为 Extra High 是目前的最佳选择，既保证了深度又控制了成本。
"This is a fully-fledged game. This looks spectacular, this version." "So on extra high, that's probably the best bang for buck. And the quality was amazing." "It's all hosted live. So, you can go to GTA city. abacus.ai.cloud and that will be the finalized game"
结论
测试表明，云端模型在复杂游戏生成上显著优于本地方案。Max模式以10分钟、8,600积分快速产出含昼夜交替的完整游戏，但Extra High模式凭借模块化策略与自主QA机制，虽耗时更长且消耗15,000积分，却提供了更稳定、接近商业级的质量。本地模型虽具备潜力但存在碰撞缺失等严重缺陷且效率极低。总体而言，Extra High模式在质量与成本间取得了最佳平衡，是当前生成高复杂度交互内容的优选方案。