AI从零构建真人快打：Claude、Codex、Gemini三方实战对决

当三大AI巨头——Claude Opus 4.6、GPT Codex和Gemini——从零开始构建一款真人快打游戏时，会发生什么？一位B站UP主进行了这场硬核实验，不仅让AI写代码造游戏，还让AI亲自上手对战，最终甚至接入了真正的游戏引擎。结果令人惊艳，也暴露了各家AI在游戏开发能力上的明显差异。

实验设计：三轮递进式挑战

这次测试并非简单的代码生成对比，而是设计了三个递进难度的挑战：

第一轮：让Claude和GPT Codex各自从零构建一款双人真人快打网页游戏
第二轮：让Claude和Gemini通过浏览器扩展，亲自操控游戏角色对战
第三轮：让Claude连接Godot MCP服务器，在真正的游戏引擎中构建格斗游戏

这种设计巧妙地测试了AI在代码生成、环境交互和工具调用三个维度的综合能力。

第一轮：网页游戏构建——两种截然不同的开发风格

GPT Codex：沉默的实干家

GPT Codex（5.2版本，High模式）的表现非常直接——什么都不问，直接开干。仅用约12分钟就完成了整个游戏的构建。最终产出了一款带骨骼绑定动画的双人格斗游戏，角色造型还算不错，支持跳跃、蹲下、出拳等基本操作，并为两位玩家分配了不同的键位控制方案。

骨骼绑定动画（Skeletal Animation）是游戏开发中最主流的角色动画技术。其原理是在角色模型内部构建一套虚拟骨骼系统，通过移动和旋转骨骼节点来驱动外层网格变形，从而实现自然的角色运动。相比逐帧绘制的精灵动画，骨骼动画的优势在于可以用极少的数据量实现流畅的动作过渡，并且支持动画混合（Blending）——比如角色可以同时执行行走和挥拳的动作。GPT Codex能在12分钟内生成带骨骼绑定的角色，说明其代码生成能力已经覆盖了相当复杂的图形编程逻辑。

玩家操作说明界面

不过GPT Codex的作品也有明显的粗糙之处：角色面朝摄像头而非对手，终结技触发后基本没有视觉效果——所谓的"致命拥抱"看起来更像是两个角色尴尬地抱在一起。

Claude Opus 4.6：谨慎的提问者

Claude的风格截然不同。它在开始编码前主动询问了一系列关键问题：网络技术选型（点对点还是服务器）、角色视觉风格（程序化3D、精灵2D还是着色器纹理）、角色数量等。这种"先问后做"的方式虽然多花了几分钟沟通成本，但最终在约15分钟内交出了一份更精致的作品。

Claude构建的游戏在动画流畅度上明显优于GPT版本，角色站姿更具格斗游戏的气势，整体视觉效果更胜一筹。

第二轮：AI亲自操控游戏对战——Claude碾压Gemini

这一轮是整个实验中最有趣的部分。测试者让Claude和Gemini分别通过浏览器扩展控制游戏角色进行对战，Claude被指定为玩家二，Gemini被指定为玩家一。

AI通过浏览器扩展操控游戏，本质上是利用了一种称为"计算机使用"（Computer Use）的能力。这类技术允许AI模型像人类一样感知屏幕内容（通过截图识别），并模拟键盘和鼠标操作来与应用程序交互。Anthropic的Claude和Google的Gemini都推出了各自的浏览器控制方案，但实现路径有所不同。Claude的方案通过截图分析+动作指令的循环来实现交互，而Gemini的Ultra套餐中集成了类似的浏览器自动化能力。这种能力的核心挑战在于实时性——游戏需要毫秒级的反应速度，而AI的"截图→分析→决策→执行"循环通常需要数百毫秒甚至数秒，这也解释了为什么AI操控游戏时的表现远不如人类玩家流畅。

Claude控制角色进行对战

结果出乎意料又在情理之中：

Gemini几乎完全无法操作游戏，很快就"放弃"了，没有任何有效的游戏行为
Claude虽然搞混了玩家编号（被指定为玩家二却控制了玩家一），但确实展现出了真实的游戏操控能力——移动、出拳、踢腿、打连招，甚至尝试释放终结技

经过177步操作，Claude控制的角色赢得了比赛。这里出现了一个有趣的问题：Claude被指派为玩家二，却控制了玩家一并获胜，那这算谁赢？从结果看，Claude展现了远超Gemini的环境交互能力，但在指令理解的精确度上仍有提升空间。

说个细节，使用Gemini的浏览器控制功能需要Ultra套餐，而Claude则不需要最高级别的订阅计划。

第三轮：接入Godot引擎——从网页游戏到专业游戏开发

从浏览器到游戏引擎的飞跃

为了解决网页版游戏的延迟问题，测试者决定让Claude通过Cloud Code连接Godot MCP服务器，在真正的游戏引擎中构建格斗游戏。

Godot是一款完全免费且开源的跨平台游戏引擎，由阿根廷开发者Juan Linietsky和Ariel Manzur于2014年首次发布。与Unity和Unreal Engine这两大商业引擎不同，Godot采用MIT许可证，开发者无需支付任何授权费用或收入分成。Godot使用自研的GDScript脚本语言（语法类似Python），同时也支持C#和C++。近年来，由于Unity在2023年引发的运行时费用争议，大量独立开发者转向Godot，使其社区规模和生态系统快速增长。选择Godot作为AI游戏开发的测试平台，既体现了其在独立游戏开发领域的代表性，也因为其开源特性更便于MCP服务器的开发和集成。

MCP（Model Context Protocol，模型上下文协议）是由Anthropic于2024年底推出的开放标准协议，旨在为AI模型提供一种统一的方式来连接和调用外部工具、数据源和服务。可以将MCP理解为AI世界的"USB接口"——无论是数据库、文件系统、API还是像Godot这样的游戏引擎，只要实现了MCP服务器端，AI就能通过标准化的方式与之交互。在本实验中，Claude通过MCP服务器直接操控Godot引擎的编辑器功能，包括创建场景节点、编写GDScript脚本、配置资源引用等，这意味着AI不再局限于生成代码文本，而是能够像人类开发者一样直接在IDE中操作。

Godot引擎中的真人快打游戏

安装MCP服务器的过程本身就很有意思——测试者直接把Godot MCP服务器的链接粘贴给Claude，让它自己想办法完成安装。大约15分钟后，Claude成功在Godot引擎中构建了一个可运行的格斗游戏原型。

调试与迭代过程

过程并非一帆风顺。游戏首次运行就崩溃了，但将报错信息反馈给Claude后，它能够利用MCP工具自行检查和修复错误。经过两轮调试，游戏成功运行，包含了角色选择界面（刘康、蝎子、雷电、绝对零度等经典角色）和基本的战斗系统。

更令人印象深刻的是，Claude在调试过程中甚至自己操控游戏来验证功能是否正常——它真的在"玩"自己写的游戏。

引入3D资产的挑战

测试者进一步尝试让Claude通过SketchFab API获取3D模型资产，但这一步遇到了困难。SketchFab是全球最大的3D模型分享和交易平台，拥有超过500万个3D模型资源，涵盖游戏角色、建筑、道具等各类资产。其提供的REST API允许开发者通过程序化方式搜索、预览和下载3D模型，支持多种格式输出包括FBX、glTF、OBJ等。在AI辅助游戏开发的语境下，如果AI能够自主通过SketchFab API获取所需的3D资产，就意味着从"设计→找素材→整合→调试"的完整开发流程都可以由AI驱动。然而本实验中这一步未能成功，反映出AI在处理复杂的第三方API认证、文件下载和格式转换等多步骤任务链时仍存在局限。

最终采用了折中方案：手动下载FBX格式的3D角色模型和动画文件（包括呼吸待机、飞踢、MMA踢腿、出拳、四连拳等），放入项目文件夹后让Claude来实现整合。

这个过程中最棘手的问题是角色一直卡在T-Pose不动。T-Pose（T姿势）是3D角色建模中的标准参考姿势，角色双臂水平伸展、双腿直立，整体呈字母"T"形。这个姿势是骨骼绑定的起点，所有动画都是基于T-Pose的骨骼偏移来计算的。在游戏开发中，"角色卡在T-Pose"是一个极为常见的bug，通常意味着动画系统未能正确加载或播放指定的动画片段，角色因此回退到默认的绑定姿势。本实验中遇到的问题更为具体：FBX文件中每个动画轨道都包含了一个T-Pose作为默认动画，而动画播放器错误地引用了这个默认姿势而非实际的战斗动画，这是3D资产从DCC工具（如Blender、Maya）导出时的常见陷阱。解决这个命名和引用问题后，游戏终于能正常触发各种战斗动画了。

三大AI游戏开发能力对比

维度	Claude Opus 4.6	GPT Codex	Gemini Pro
代码生成速度	约15分钟	约12分钟	未单独测试
视觉质量	★★★★☆	★★★☆☆	-
游戏交互能力	能操控游戏	-	几乎无法操作
工具调用	成功接入Godot	-	-
开发风格	先问后做	直接执行	-

综合来看，Claude Opus 4.6在这场全方位测试中展现了最强的综合能力：不仅代码质量更高，还能通过浏览器扩展操控游戏，更能接入专业游戏引擎进行开发。GPT Codex在速度和执行力上有优势，但产出质量略逊。Gemini在交互操控环节表现最弱。

AI游戏开发带来的启示

这个实验揭示了几个值得关注的趋势：

AI已经能在分钟级别内构建可玩的游戏原型，这对独立开发者和快速原型验证意义重大。传统游戏开发中，即使是一个简单的格斗游戏原型，也需要程序员花费数天时间搭建角色控制、碰撞检测、动画状态机等基础系统。AI将这个过程压缩到15分钟以内，意味着游戏设计师可以在一天之内验证数十个玩法创意，极大地加速了从概念到可玩原型的迭代周期。
MCP协议正在成为AI连接专业工具的桥梁，Claude接入Godot引擎的案例展示了AI从"写代码"到"用工具"的进化。这种转变的意义在于，AI不再只是一个代码生成器，而是逐步成为一个能够操作完整开发工具链的智能体（Agent）。未来随着更多专业软件实现MCP服务器端，AI有望直接操控Photoshop处理贴图、用Blender建模、在Wwise中设计音效，形成覆盖游戏开发全流程的AI工作流。
AI的环境感知和操控能力差异巨大，Claude能玩游戏而Gemini几乎无法操作，说明各家AI在实时交互上的技术路线差异显著
人机协作仍是当前最优解——3D资产整合环节需要人工介入，纯AI端到端完成复杂游戏开发还有距离

从"让AI写游戏"到"让AI玩游戏"再到"让AI用专业引擎做游戏"，这场实验为我们勾勒出了AI辅助游戏开发的完整图景。当这些能力进一步成熟和融合，"一个人+一个AI=一个游戏工作室"或许真的不再遥远。