GPT-6 Astra实测：4个提示词造出3A级游戏与3D场景

一位提前一周拿到访问权限的开发者，在 OpenAI 发布代号 Astra 的 GPT-6 后，花掉约 1500 美元 credits 做了各种尝试。他的结论颇具冲击力：只用 4 个提示词做出一款《使命召唤》风格的游戏，第 5 个提示词把它改成多人模式，随即在直播里和 20 个人一起玩了起来。这篇文章梳理他分享的几个核心体会，也试着分辨哪些是真实进步、哪些是兴奋之下的过度乐观。

AI 在 3D 图形上的能力被严重低估

作者提出的第一个判断很直接：在 3D 图形这件事上，AI 已经比大多数人类做得更快更好。

他做了一个具体实验——从网上找到一份庄园的 PDF，里面有大房子、庄园介绍甚至平面图。他把这份文档交给模型，让它在 Blender 里把整栋房子建出来，检查无误后再把这栋房子做成《使命召唤》游戏里的一张新地图，命名为 Estate，玩法格式对齐此前做的 Call of Singularity。大约一小时后，模型返回了 Blender 场景，也返回了可以直接进去玩的 Modern Singularity 地图，里面甚至加了一架能飞、能开枪、也会被别人击落的直升机。

这类能力不止用于游戏风格。作者提到 X 上出现的趋势：有人用 Codex 和该模型做逼真的 3D 教育渲染，比如把特斯拉某个零件按部件逐一拆解展示，还能放大看每一块是什么、做什么，并在组装态和拆解态之间来回切换。他由此推断，数字资产的制作正在快速去稀缺化——真正稀缺的，是把这些资产变成现实里有用的东西，比如结合 3D 打印。

需要冷静看待的是，作者本人也承认无法判断这些工业渲染的准确性，因为他不是引擎专家。视觉上的震撼与工程上的可靠，是两回事。

Blender 是一款开源的三维创作套件，支持建模、材质、渲染、动画和游戏资产导出等完整工作流。传统上，将一份 PDF 平面图转化为可玩的游戏地图，需要经历「建筑建模→UV 展开→材质贴图→引擎导入→碰撞体积设置→游戏逻辑编写」等多个高度专业化的环节，每个环节都需要对应领域的熟练技能，整体周期通常以天或周计。文章所描述的流程——将 PDF 直接交给模型，约一小时后获得可玩地图——意味着模型不仅要理解平面图的空间关系，还要完成上述全部工程步骤，并以代码或脚本形式驱动 Blender 执行。这正是令从业者惊讶的地方：以往每个环节都是独立的瓶颈，而 Agent 工具链把它们压缩进了一次连续的自动化流程。

Web Coding 被“解决”了？按需生成软件的门槛趋近于零

第二个体会更贴近日常开发：作者认为“Web Coding 已经被解决”，可以直接按需生成软件，做个人工具的门槛几乎为零。

他举了一个当天早上的例子。在咖啡店做演示稿时，他厌倦了反复去 Google 图片找图、拖下来、抠背景、再粘回演示的流程，于是让 Codex 做一个类似 Raycast 的桌面应用：用快捷键唤起、能搜 Google 图片、能自动去背景、复制或保存的内容自动进入指定文件夹。他称结果只花了 16 分钟就做出来，按 Command+Shift+Space 唤起，输入关键词即可搜索。后续他还追加了多关键词并行搜索、以及用 AI 自动把一段文本拆成多个精确搜索词的功能。

他同时看好“获客页面”这类轻量场景。为了让人方便注册 Call of Singularity，他直接让模型按游戏风格搭一个站并部署到 ChatGPT Sites，还要求只给自己的邮箱开放一个管理员后台，用来查看谁提交了信息。

作者由此延伸出一个商业设想：如果有平台能让创作者免费托管自己做的游戏、并支持游戏内货币和交易，这会像 Roblox 但创作限制更少，可能催生下一波 Web Coding 热潮，创作者会像做 PDF、课程、社群那样为受众做游戏和小世界。这部分属于个人推测，尚无产品落地佐证，宜作为趋势观点而非事实看待。

自测循环：Agent 会自己玩游戏来验证结果

真正让作者觉得“AGI 快了”的，是模型的自我评估能力明显增强。你交给它一个任务，它会完成、评估自己做得如何、判断哪里要改、再修改、反复重新评估。

在做那张 Blender 地图时，模型先生成地图、再在 Blender 里截图查看，判断当前状态能否成功构建进游戏，然后把载具系统扩展成直升机登机功能，接着直接开一局比赛、以角色身份在地图里移动、检查那栋房子。他提到一开始房子特别白、纹理不对，模型发现问题后会重新给自己下提示，在“测试—评估—再提示”的循环里迭代到满意状态。

这种能力在“电脑操作”维度也在快速提升。作者引用了一个对比测试：让新模型和上一代模型各自打开 Microsoft Paint 照着自己的照片画画，差距明显。他还提到行业背景——据称 OpenAI 买了数万台 Mac Mini 和 Mac Studio 做强化学习和 Computer Use Agent 训练，Anthropic 则通过 AWS 租用 Mac Mini，两家都有成千上万台机器全天候运转用于训练和评估 AI 控制电脑的能力。这些数字来自作者转述，未经独立核实，读者应保留一定怀疑。

这种「生成→评估→再提示」的循环在 AI 领域通常被称为 Agentic Loop 或 ReAct（Reasoning + Acting）范式。与传统的单次问答不同，Agent 在每一步行动后都会观察环境反馈（如截图、报错信息、运行日志），将其纳入下一步的推理上下文，从而形成闭环迭代。关键的区别在于「感知」来源：文字聊天中模型只能依赖用户描述，而拥有 Computer Use 权限的 Agent 可以直接截图获取视觉状态，这使它能发现用户自己都未察觉的问题（如纹理偏白、碰撞体积错误）。这种自主纠错能力是当前 Agent 工具链相比一年前最显著的质变之一，也是作者将其与「AGI 临近」挂钩的主要依据——尽管从任务型自测到通用智能之间的距离，学界仍存在相当大的分歧。

为什么是 Codex，为什么是 Mac Mini

作者强调，同一个模型在 Codex 里的表现明显更强。虽然你也能在 Cursor 里用 GPT-6，但这个模型是为 Codex Harness 及其工具链设计的：Computer Use、Browser Use（本地启动浏览器、快速填表、测试网站）、截图回传、做游戏、搭网站、增删移动文件——基本上你电脑上能做的事它都能做。

关键在于权限与登录态。因为它跑在你自己的电脑上、拥有完整访问权，登录了 GitHub、Vercel 等工具，能拿到你的 API keys，所有浏览器标签页都是登录状态，所以它处理事情又快又顺。这既是它强大的原因，也是显而易见的安全隐患——把完整电脑控制权交给一个 Agent，风险与效率是同一枚硬币的两面。

由此他推出最后一个体会：Mac Mini 方案依然最强。他新买了一台 Mac Mini，加上一台 Linux 机器，打算让 Codex 常驻运行，用手机或 iPad 远程控制，实现“随身可用、7×24 运转”的 Codex 实例。他计划本周搭建并录一期视频，把 Anthropic、Grok 等 Agent 也一并跑在这套配置上。

Computer Use 和 Browser Use 是两类不同的 Agent 能力接口。Computer Use 指模型通过截图感知屏幕状态、再模拟鼠标键盘操作来控制任意桌面应用，最早由 Anthropic 在 2024 年底随 Claude 3.5 Sonnet 更新公开演示，随后各家跟进。Browser Use 则更聚焦于浏览器自动化，能在已登录的浏览器会话中填写表单、提取数据、触发页面交互，相比无头浏览器脚本（如 Selenium、Playwright）的优势在于可以利用已有的登录态，无需重新处理验证码或 OAuth 流程。两者结合后，Agent 能以用户身份无缝操作几乎所有 SaaS 工具，这正是文章中「又快又顺」的技术原因，也是作者反复强调「权限=能力」这一等式的底层逻辑。

结语：兴奋之外，需要一份清醒

作者的整体判断是，我们正处在指数级增长阶段，AI 控制电脑的能力和智能会持续变强，“AGI 时代正在到来”。他甚至认为第一个门槛在上一代 Cloud Code 发布时就已被跨过，只是当时没人立刻察觉。

作为读者，值得把这份分享拆成两层看：一层是可复现的具体成果——4 个提示词生成游戏、16 分钟做出桌面工具、PDF 转 3D 转游戏地图，这些是实打实的能力演示；另一层是基于个人体验的宏大推断——AGI 临近、创作者游戏经济崛起、行业硬件采购规模等，缺乏独立验证。前者足以说明当前 Agent 工具链的进步确实惊人，后者则更适合当作激发想象的观点，而非既定结论。