用 Codex + GPT-5.6 Sol Ultra 一次生成浣熊劫案游戏:结果远超 Claude Fable 5
评分
70提供了一组前沿模型在同任务下的直接对比,包含可复现的提示和成本估算,信息增量明显。
出自资深技术作者之手,事实清晰、过程完整,但缺少对模型失败原因的深入分析。
对使用编码智能体生成完整项目的开发者有直接参考价值,尤其是 bug 修复路径和工具建议。
涉及最新模型版本的实测,发布时间接近当前信息周期,具备一定时效性。
Simon Willison 是知名且可信的技术博主,信息源可靠,且附有可验证的仓库与转录。
基础分 78 × T2 信源权重 ×0.9 = 70
精选线 70已入选精选
精选理由
内容为一线 AI 研究者的真实对比测试,包含可复现的提示词与完整转录,信息增量和参考价值都很高。
AI 点评
「这类'同一提示词、不同智能体'的对照实验,比厂商演示更能反映实际开发中的体验差异。如果你正在挑选编码智能体或规划多智能体工作流,这组结果值得认真看;特别是 Sol 的子代理模式在复杂游戏生成中的表现,以及它没能在截图检查中发现视觉瑕疵这一点,都是重要的能力边界信号。」
速览
Simon Willison 用完全相同的提示词测试 Codex Desktop 上的 GPT-5.6 Sol Ultra(激进子代理模式),要求其基于四年前 GPT-3 生成的游戏概念制作一款完整游戏。生成的《Moonlight & Mayhem》让玩家控制浣熊在博物馆中营救队友、叠罗汉夺取金沙丁鱼,比 Claude Fable 5 的版本更贴合原设定。虽然初版存在浣熊眼球异常放大的 bug,但通过简单提示即修复。整个生成过程耗时 52 分钟,Codex 还同步生成了纹理和素材。
- Codex Desktop + GPT-5.6 Sol Ultra 在相同提示下生成了明显更精良的抢劫主题游戏《Moonlight & Mayhem》
- 游戏设定从'后院捡硬币'升级为'营救同伴、叠罗汉偷金沙丁鱼',更忠实于原始 Raccoon Heist 概念
- 初版存在浣熊眼球巨大化的视觉 bug,Codex 未能自动发现,但用户通过两次提示快速修复
- Codex 花费 52 分钟完成开发,并同步生成纹理与图像素材,完整转录已公开
正文
以下为原文,中文全文翻译生成中
Moonlight & Mayhem (Raccoon Heist by Codex + GPT-5.6 Sol Ultra)
On Wednesday I wrote about One-shotting a Raccoon Heist game using Claude Fable 5, where I had Claude Fable 5 build a full working game from a premise I generated with GPT-3 and DALL-E four years ago.I decided to pose the exact same prompt to Codex Desktop running GPT-5.6 Sol Ultra - the mode where Sol makes aggressive use of sub-agents - to see how it would do.
It produced a much better game! Here's Moonlight & Mayhem - GitHub repository here, including the textures and prompts it generated using gpt-image-2.
Your browser does not support HTML5 video.
The original GPT-3 generated game description included:
In “Raccoon Heist”, you and your team of thieving raccoons are tasked with pulling off a series of daring heists. From robbing banks to stealing priceless art, no job is too big or too small for your furry crew.
Fable's version had you as a single raccoon running around a back yard collecting coins and fish. GPT-5.6 Sol has you in a museum, rescuing your two other raccoon crewmates in order to stack on top of each other and bust the golden sardine out of its case.
Much more heisty!
There was one catch though: the version produced from the one-shot prompt had a bug where each raccoon had an eyeball that was enlarged to the size of a giant sphere floating over their head!

You can play that version here.
Despite reviewing screenshots during development Codex failed to spot and correct this bug.
I fixed it by prompting:
Why do the raccoons have huge black spheres on them?
And then:
Fix it
Which resulted in this fix.
I shared the full Codex transcript in the repository - I wish Claude Code had the same "copy as Markdown" feature.
Codex spent 52 minutes on the project. Here's the AgentsView cost estimate for that session if I had been paying full API prices as opposed to using my monthly Codex subscription:
Tags: game-design, ai, openai, generative-ai, llms, coding-agents, codex, gpt
相关条目
92
精选OpenRouter 推出提示缓存与粘性路由,大幅降低多轮对话成本
对于高频调用 AI API 的开发者,这个功能堪称直接省钱利器。粘性路由保证了缓存命中率,配合 session_id 零配置接入,值得所有使用 OpenRouter 的团队立即尝试。
91
精选ChatGPT Work:可在跨应用和文件中执行操作的AI Agent
我认为这是AI助手从问答走向执行的关键一步。对需要自动化复杂工作流的专业人士尤其值得关注。ChatGPT Work可能成为生产力工具的新范式。
90
精选前沿实验室代理入侵事件技术时间线:2026年7月事件剖析
这篇技术时间线值得所有AI安全研究员和代理开发者细读——它不只是描述一次攻击,而是为整个行业敲响了代理系统防御体系薄弱的警钟。对正在部署自主代理的团队来说,这是必读的灾难预防手册。
90
精选更好的工具反而让Copilot代码审查更糟?GitHub这样改进
这篇博客值得所有AI产品工程师和ML从业者仔细阅读——它打破了'更强大的工具=更好的AI'的直觉,转而强调与Agent推理模式匹配的工程哲学。对正在优化代码审查或类似Agent产品的团队尤其重要。
88
精选OpenRouter 推出统一多模态 API:单端点支持图像、视频、音频、嵌入与转录
这条消息值得所有做多模态AI应用的开发者关注:OpenRouter用联合API解决了模型切换的痛点,特别适合初创团队或快速原型开发。如果你正被多个API密钥和SDK折磨,这个接口可能是你需要的统一层。
87
精选Anthropic 推出 Claude for Teachers:面向教师的教育 AI 工具
这条消息对教育工作者和AI行业观察者都很有价值。Anthropic没有选择通用聊天机器人,而是专门为教师设计了安全可控的工具,这显示出AI在垂直场景落地的正确思路——不是技术炫技,而是切实解决用户痛点。同时,产品内置的安全护栏也值得其他AI公司参考,尤其是在面向儿童或青少年的场景中。
86
精选OpenRouter发布全新Auto Router:用市场智慧优化模型路由
这条更新值得所有用API开发AI应用的人关注。以前选模型靠经验和测试,现在市场数据帮你选。虽然细节不多,但方向很对。对依赖聚合模型服务的团队尤其重要。
86
精选Claude Code v2.1.211 发布:多项修复与改进
作为一个经常使用 Claude Code 进行自动化编码的开发者,我特别关注这次的安全修复,尤其是权限预览字符绕过和自动模式覆盖钩子决策的问题——这些直接关系到团队协作时的安全边界。后台代理报告的改进也让长时间运行的任务更可靠。建议所有使用者尽快升级。