用AI从零重建《超级马里奥世界》：GPT跑了四天还没停

在OpenAI Dev Day上，每位参会者都拿到了一台复古掌机mod retro——本质上是初代Game Boy的复刻版。对于一位把《超级马里奥世界》视为最爱的玩家来说，这台设备本该是重温经典的完美载体。问题在于，这台机器压根没打算跑SNES游戏。

于是这位创作者做了一个决定：让GPT 6.1 Sol从零开始，为mod retro重写整个《超级马里奥世界》。

一场没有终点的代码马拉松

这个项目最让人意外的地方，不是AI能写游戏代码，而是它已经连续工作了超过四天——而且还没结束。

据创作者描述，GPT 6.1 Sol的工作流程近似于一个不知疲倦的逆向工程师：先看游戏应该长什么样，从海量在线文档中提取结构信息，然后写代码、比对效果、再迭代。创作者用了"不完全算反编译，但非常接近"来形容这个过程。

这背后的逻辑其实很清晰：AI不是凭空捏造一个马里奥游戏，而是拿着"标准答案"（原版游戏的视觉和逻辑表现）不断逼近。每次生成的代码都拿去和参考目标做对比，发现偏差就改，改完再比。这种"写-验-改"的闭环，恰好是大语言模型在代码任务上最擅长的模式。

逆向工程与反编译的区别

逆向工程是一个宽泛概念，指从成品中反推其设计原理和实现方式；反编译则是逆向工程的一种具体手段，特指把可执行机器码翻译回高级语言源代码。文章中提到的"不完全算反编译但非常接近"，指的是一种行为级复刻：AI并不需要逐条还原原版SNES的汇编指令，而是通过观察游戏的输入输出行为（画面、音效、物理反馈），用全新的代码在目标硬件上重新实现同等效果。这种方式类似于"黑盒重写"，规避了原版ROM中受版权保护的代码资源，但复刻难度更高——因为行为等价往往比代码等价更难验证。

为什么重做一个老游戏这么难

表面上看，让AI重写一个三十多年前的2D平台跳跃游戏，似乎不该花四天以上。但实际情况远比想象复杂。

《超级马里奥世界》看似简单，背后却是一套高度耦合的系统：物理引擎（加速度、摩擦力、惯性）、碰撞检测、敌人AI行为树、关卡数据结构、精灵动画状态机、音效触发逻辑。这些东西在原版游戏里是为特定硬件深度定制的，无法直接搬到mod retro的硬件规格上。

GPT 6.1 Sol面对的不是"写一个马里奥风格的游戏"，而是"在这个特定硬件上，让每个跳跃弧度、每个敌人巡逻路径、每个金币弹出的手感都对得上"。这种级别的还原度要求，把任务从"创意生成"拉到了"精确复刻"的范畴。

创作者提到，AI手上有"大量的在线文档"可供参考。这意味着社区多年来积累的ROM逆向工程资料、关卡格式说明、内存地址映射等技术文档，都成了AI的训练素材和参考依据。

精灵动画状态机

原文提到的"精灵动画状态机"是2D游戏角色的核心技术架构。在《超级马里奥世界》中，马里奥、敌人、道具等每个可见对象都是"精灵"，每个精灵在不同情形下（站立、行走、跳跃、受伤、踩踏敌人）需要切换不同的动画帧，并同步改变碰撞箱、速度参数和可执行动作。状态机负责管理这些状态之间的转换条件与优先级，例如"跳跃中碰到敌人"应优先触发踩踏判定而非受伤。原版游戏把状态转换逻辑硬编码在与SNES硬件时序绑定的循环里，要在mod retro上还原同样的手感，就必须重建一套能在新硬件帧率下保持等价行为的状态机，这是该项目最耗时的部分之一。

长时任务：AI编程正在突破的边界

这个案例真正值得关注的，是"连续工作四天以上"这件事本身。

当前大多数AI编程工具的使用模式是"一问一答"：你提需求，它生成代码，你验证后发现不行，再追问。整个过程需要人类持续在场。但GPT 6.1 Sol在这里展现的是一种自主循环能力——它能自己判断输出是否符合预期，自己决定下一步改什么，不需要人类每一步都介入。

这并不意味着人类完全缺席。创作者显然设定了目标、提供了参考资源、搭建了验证机制。但在这个框架内，AI的自主决策密度远超传统的代码补全或函数生成。

创作者估计"可能再过几天就能完成"。如果成真，这将是一个AI在没有任何针对性微调的情况下，仅靠通用能力和在线文档，完成一个中等复杂度游戏移植的案例。

自主循环与Agentic编程

文中描述的"写-验-改"闭环，对应的是当前AI领域所称的Agentic（智能体式）编程范式。与传统的代码补全或单轮问答不同，Agentic系统允许模型自主规划任务、调用工具（如编译器、测试脚本、文档检索）、读取执行结果并根据反馈调整下一步行动。其核心在于为模型构建一个可自动评判成功与否的环境。本案例中，"原版游戏画面和手感"充当了目标函数，在线逆向文档充当了知识库，而代码比对则构成了自动反馈信号。这种模式把人类从逐轮指令中解放出来，但代价是单次任务的耗时和算力消耗显著增加——这正是该项目跑满四天仍未结束的根本原因。

这件事意味着什么

短期来看，这只是一个有趣的个人项目，证明了大语言模型在特定硬件上复刻经典游戏的可能性。

但放到更大的背景下，它触及了几个正在发生的变化：AI的长时间自主工作能力正在从实验走向可用；代码生成的任务粒度正在从"函数级"上升到"项目级"；而游戏移植和逆向工程这类过去需要专业团队数月投入的工作，正在被重新定义。

当然，四天还没跑完这件事本身也说明，当前的方案远谈不上高效。它更像是一个概念验证：当AI有了明确的目标函数（原版游戏的表现）和充足的参考资料（在线文档），它可以在无人持续干预的情况下，持续逼近一个复杂的工程目标。

至于最终能不能跑起来、跑起来之后手感对不对，创作者说"再过几天"见分晓。

项目级代码生成的门槛

从函数级到项目级的跨越，难点不只在代码量。函数级生成只需满足一个局部接口约定，而项目级生成要求模型在很长时间跨度内维持一致的架构决策、数据流和模块边界。在游戏移植场景中，这意味着AI必须记住它三天前定义的物理常量、精灵ID分配和关卡数据结构，并在后续代码中正确引用。大语言模型的上下文窗口有限，长时任务中容易发生"遗忘"或前后不一致。该项目能在四天内持续迭代，说明其工作流中很可能包含了记忆管理或状态持久化机制；同时"四天还没跑完"也暴露了此类方法在效率与一致性上的瓶颈。