用Claude Code打造帆船模拟器，让前沿AI模型同场竞技

一位开发者用Claude Code构建了一个帆船模拟器，并邀请多个前沿AI模型在其中进行比赛。Claude Code几乎包办了所有代码工作，包括船只物理、风力模拟、3D水面与海岸，以及让AI模型操控帆船的接口。开发者则负责指导构建方向并检查结果。

比赛规则：每5秒决策一次

比赛机制设计得简洁而公平。每5秒钟，每个模型会收到世界的完整状态——23个原始数字，包括航向、速度、风向、下一个标记点的位置等。模型需要根据这些信息设置舵角和帆角。没有任何航海提示，模型必须完全依靠自身推理来做出决策。

模拟器在模型思考时会暂停，这意味着响应较慢的模型不会因此受到惩罚。这种设计消除了延迟差异带来的不公平，让比赛真正聚焦于模型的决策质量。

帆船操控的基本原理
帆船无法直接迎风前进，而是依靠调整帆面与风向的角度产生升力，并结合舵角控制航向。模型中输入的23个数字通常包括真风向、视风向、船速、航向角、标记点相对方位等，模型需要输出舵角（控制转向）和帆角（控制帆面松紧）。若帆角过松或过紧，都会导致动力损失甚至失速；舵角过大则增加阻力。因此，每个决策都需在动力与方向之间权衡，这对模型的物理直觉和策略规划能力提出了隐含要求。

参赛选手：三大前沿模型加一个“趣味选手”

参与比赛的模型包括Opus、GPT-6 Astra和Gemini 4 Argon。开发者还特意加入了qwen3.5-9b，虽然它并非前沿模型，但为比赛增添了趣味性。

比赛结果出人意料：Gemini 4 Argon不仅赢得比赛，成本还只有Astra的五分之一——每次运行仅需0.78美元，而Astra则需要3.58美元。这一成本差异源于模型调用价格的不同，也反映出不同模型在相同任务上的性价比差距。

Claude Code的角色：从代码生成到系统集成

Claude Code在这个项目中扮演了核心角色。开发者表示，Claude Code“基本上写了所有代码”，涵盖了船只物理、风力模型、3D水面和海岸线渲染，以及让AI模型能够操控帆船的连接层。开发者只负责指导构建什么，并检查生成结果。

这种工作模式展示了AI编程工具在复杂项目中的潜力——人类负责架构设计和质量把控，AI负责具体实现。不过，开发者并未透露Claude Code在开发过程中遇到的挑战或需要人工修正的地方。

Claude Code 与智能体编程
Claude Code 是 Anthropic 推出的命令行编程助手，基于 Claude 模型，能够理解自然语言指令并自主执行文件读写、代码生成、调试和运行测试等操作。它不同于传统的代码补全工具，而是以“智能体”方式工作：接收高层目标（如“实现船只物理”），将其分解为具体任务，并迭代修改代码直至通过验证。这种模式让开发者从繁琐的语法细节中解放出来，专注于架构设计和结果审查，但也要求开发者具备足够的技术判断力来评估生成代码的正确性。

多模型竞技的意义与局限

让不同AI模型在同一模拟环境中竞争，为观察模型决策能力提供了一个直观窗口。每个模型在相同信息输入下做出不同选择，最终结果差异反映了推理能力和策略水平的差异。

但这种比较也有局限。单次比赛的结果可能受随机因素影响，成本数据也仅反映特定API定价。开发者没有公开比赛的具体时长、完成圈数或各模型的详细表现数据，因此难以对模型能力做出更深入的分析。

模型竞技场与决策评估
让多个大语言模型在同一个模拟环境中竞争，本质上是一种“智能体竞技场”评估方法。与静态基准测试不同，它要求模型在动态、部分可观测的环境中连续做出决策，更能反映模型在真实任务中的规划与适应能力。然而，单次比赛的结果容易受初始条件、随机种子和模型采样温度的影响，统计显著性有限。要得出可靠结论，通常需要大量重复实验并控制变量，同时公开完整的对局日志和评分指标。

成本效率：一个被忽视的维度

Argon以更低成本获胜，提示我们在评估AI模型时，成本效率与绝对性能同样重要。在需要大量调用的场景中，每次运行成本相差数倍会显著影响总支出。对于开发者而言，选择模型时不仅要看“谁更聪明”，还要看“谁更划算”。

这个项目本身也展示了AI辅助开发的效率——一个包含物理模拟、3D渲染和AI接口的复杂系统，主要由Claude Code生成。虽然开发者未透露具体开发时间，但可以合理推测，这种工作流大幅降低了构建此类项目的门槛。