三款 AI 编程工具做同一个赛车游戏,只有一个让人玩上瘾

同一份需求,让 Claude Code、ChatGPT Codex 和 Google Antigravity 各做一个浏览器 3D 计时赛车游戏:Codex 最快但跑不起来,Antigravity 功能齐全却手感别扭,Claude Code 做得最完整。

想让 AI 编程工具帮您做个真能玩的小游戏,哪家更靠谱?有测评者拿同一份需求,分别交给 Claude Code、ChatGPT Codex 和 Google Antigravity:做一个在浏览器里就能玩的 3D 计时赛车游戏。每个工具只给一次机会,不追问、不返工。

结论先说:Claude Code 做出来的最完整、最耐玩;Antigravity 功能列得很全,但操控别扭;Codex 用时最短,成品却基本玩不了。

这次测试是怎么设置的

需求像玩家一样描述,不列功能清单

测评者刻意没写成开发文档,而是用玩家的口吻提需求:做一个浏览器里直接运行、无需安装的 3D 计时赛车游戏,一辆车、三条短赛道,每条赛道有铜、银、金三档目标成绩,要显示自己最佳圈速的“幽灵车”,手柄和键盘都要好用,还要“值得反复玩”。

这样写有两个原因:游戏设计本身就偏创意,列死标准只是在考“照着做”;而且功能清单会奖励“做得最多”的那个,可一个游戏就算勾满所有项,也可能让人跑一圈就想关掉。

三个工具都开了高强度思考,并且都用的是各家提供给免费用户的模型:

工具 模型 思考强度 生成耗时
Claude Code Sonnet 5.5 高 约 35 分 46 秒
Codex GPT-5.6 Terra 高 约 3 分 16 秒
Antigravity Gemini 3.8 Flash 高 约 12 分钟

Codex:路悬在天上,车停在草地

用时最短,也最敷衍

ChatGPT Codex 使用 GPT-5.6 做出的赛车游戏

Codex 只花了三分多钟,交出一个单独的 HTML 文件。需求里的“最低要求”它基本都做了:三条赛道、每条的金银铜时间、能跨次保存的最佳圈速。

问题出在实际玩起来:点开始后,赛道悬在半空,而“赛车”是个仪表盘形状的楔形块,带一条红色细条,孤零零停在下方的草地上。手柄还没法开始或重开一局,每次都得伸手去拿鼠标。按测评者的说法,这个版本唯一让人想重来的地方,是想换个工具再跑一遍同样的提示词。

Antigravity:车能开,但不好玩

功能列表漂亮,手感却是反的

Gemini 3.8 Flash 通过 Google Antigravity 做出的赛车游戏

Antigravity 用了大约 12 分钟,是 Codex 的近四倍,交出的是一整个文件夹。聊天窗口里的功能清单很诱人:三条赛道、能实时显示与最佳圈差距的幽灵车、分段计时、小地图、漂移、视角切换,还有六种车漆。

但拿起手柄试玩,前几秒就发现方向是反的。首张地图“Coastal Sprint”的最佳圈是 55.9 秒,离铜牌还差将近 20 秒,而且它事先并没有跑过自己的游戏,也没有交代是怎么设定的。另外,它说游戏能直接从文件夹里运行,实际却要从网上加载 3D 库。

说到底,关键还是好不好玩。测评者的形容是:和“双臂交叉开车”差不多,倒也比 Codex 强得多。

Claude Code:花了 35 分钟,做出一个能上架的成品

自己写 3D 渲染器,还给自己造了一个“假手柄”

Claude Code 耗时最长,是最后一个冲线的。看它的文件夹就知道时间花在哪了:它没有引入 three.js 这类现成库,而是自己写了一套 3D 渲染器,车和天空都由代码画出来,发动机和轮胎的声音也是现场合成的,没有任何音频文件。

更值得一提的是,需求里并没有要求测试,它却在交付前反复玩了自己的游戏:在自带浏览器里加载页面,跑圈检查幽灵车和结算画面,甚至在页面里注入一个模拟手柄,用脚本逐个按下它映射好的按键。下面这段代码就是类似的思路(示意):

// 在模拟手柄上按下一个键,按住一会儿再松开
const tap = async (i, ms) => {
  pad.buttons[i].pressed = true;
  pad.buttons[i].value = 1;
  await sleep(ms || 90);
  pad.buttons[i].pressed = false;
  pad.buttons[i].value = 0;
  await sleep(90);
};

// 按下 Options 键,记录游戏是否进入暂停
await tap(9);
log.push('options->' + S.state);

Claude Sonnet 5.5 迭代赛道设计

赛道也是它“看着画”出来的:三条赛道先画成地图,再改了三轮,第一次是因为有一条自己交叉了,第二次嫌弯太急,最后又嫌太缓。

Claude Code 构建途中自行测试代码

手感和“反复玩”的设计都到位

  • 操控:转向幅度跟摇杆推的角度一致,急弯要猛推,长弯只需轻微修正;路肩和漂移时手柄还会轻微震动。
  • 漂移:在弯道里按住 L1 或 R1 会蓄力出小喷,有点像《马里奥赛车》,但漂移会掉速,只有在合适的弯里才划算,得克制地用。
  • 视角:引擎盖、近距离追尾、远距离追尾可以用方块键循环切换。
  • 和自己较劲:三角键秒重开,幽灵车实时显示与最佳圈的差距,结算页还会用各分段的最佳成绩拼出一圈“理想圈速”。

测评者自己连玩了四十多分钟停不下来,把文件分享给同事后,对方也一样。

这个测试能带给您什么启发

三个工具都能把短短几行需求变成能运行的东西,但只有 Claude Code 做出了让人愿意再打开一次的游戏。它做到的恰好是需求里没写、却最关键的那部分:不用安装、重开很快、手感顺,并且让您有理由回来超越自己。

如果您也想用 AI 编程工具做东西,可以参考小编之前整理的两篇横向对比:Claude Code、Codex、Antigravity 同做 Chrome 扩展,谁更值得用,以及 Gemini 4 Argon 对比 Claude Code 改同一个 Kindle 项目。要注意的是,这类对比往往只跑了一次,结果会随模型版本和提示词变化,别当成固定排名。

常见问题(FAQ)

AI 编程工具做小游戏,需要写很详细的提示词吗?

不一定。这次测试用的是玩家口吻的简短描述,三个工具都能跑出东西。但需求越具体,越容易减少“能运行却不好玩”的情况,比如手柄支持、重开方式、是否离线可用,都值得提前写上。

为什么 Codex 最快,成品反而最差?

从测评看,它只满足了最基本的功能点,没有自行测试,所以出现了赛道悬空、手柄无法开局这类低级问题。速度快不等于完成度高。

Claude Code 为什么用时最长?

据测评者观察,它自己写了 3D 渲染器和音效,还反复试玩、改赛道,这些都需要时间。也就是说,更长的耗时换来了更完整的成品。

这类测试结果能直接拿来选工具吗?

只能做参考。它只是一次、一个任务的对比,模型版本、思考强度和需求描述一变,结果可能不同。最好用您自己的项目小范围试一试。

做浏览器游戏需要先装开发环境吗?

这次的目标是“无需安装”,所以成品都是在浏览器里直接打开。您只需要有支持 AI 编程工具的账号和一台能运行它的电脑。