【赛博斗蛐蛐】同样的模型，Game Agent 与 PinK 的差别在哪里？
最近用 Game Agent 和 PinK 做了一次游戏开发对比。两边都选择了 GPT-5.6 Sol，推理等级设为“高”，依次尝试 Hello World、贪吃蛇和使用现成素材搭建平台跳跃关卡三项任务。
把模型配置统一后，这次体验里值得讨论的差异，更多地体现在交互设计、工程组织和任务执行过程上。基础功能相近的小游戏，界面和操作细节可以很不一样；已经能够游玩的工程，也可能仍处于任务未结束的状态。这些现象，让“AI 做游戏，光有强模型就够了？”有了更具体的讨论对象。
Game Agent 是 Cocos Creator 插件，PinK 则在自己的编辑器里提供游戏开发与对话操作。本次测试的版本为 Game Agent 0.3.4、PinK 0.0.1.36 Alpha，Creator 使用 3.8.8。
PinK 本次参测的是 Alpha 内测版，以下表现不代表最终品质。 这是一组具体任务的使用体验，没有对每个题目进行统一次数的重复测试，也没有统计 Token 成本。文中的判断只针对这次实际得到的结果。
- Game Agent 模型设置
- Pink 模型设置
两边界面均选择 GPT-5.6 Sol，推理等级为“高”。
在简单任务上，两款工具的差别主要体现在实现细节。 Hello World 这道题考察的是基本代码编写能力：脚本能否运行，场景能否接上，点击之后有没有有效反馈。
PinK 做出了点击计数和按钮反馈；Game Agent 在此基础上增加了欢迎语切换，每次点击会出现不同的文字。两边都完成了基本要求，Game Agent 的互动内容更丰富一些，因此这一项可以算小胜。
左侧为 Game Agent，右侧为 PinK。两边均实现了基础点击交互。
不过，这道题本身比较开放，没有详细规定界面和交互形式。额外的欢迎语体现了这次实现中的设计选择，还不足以据此判断两款工具在复杂代码编写上的能力高下。
贪吃蛇更接近一个完整的小项目，考察范围也从简单代码扩展到了游戏设计与开发。移动、食物、计分、失败和重新开始，需要共同组成一套可玩的流程。
Game Agent 的界面包含棋盘、分数、游戏状态和方向按钮等区域，信息与操作提示较多；PinK 的界面相对简洁。实际操作中，两边都能看到蛇的移动、计分和游戏结束等基本机制。按这道题的目标，我认为双方基本持平，差异主要是呈现方式和界面细节。
- Game Agent 的贪吃蛇
- PinK 的贪吃蛇
两款游戏的实际操作画面。Game Agent 的画面元素更多，PinK 的布局更简洁。
这一项测试还出现了一个容易被忽略的情况：PinK 的任务因异常没有完整跑完，但生成的贪吃蛇已经可以游玩。
两款工具也都具备预览和测试能力。Game Agent 执行了运行状态检查和交互操作；PinK 打开浏览器、截取画面并检查预览。这是它们在本次测试中的共同点。
Game Agent 与 PinK 的预览、交互和检查记录。
对于开发者来说，更值得继续考察的是这些测试覆盖了什么，以及检查结果能否帮助后续修改。打开游戏、取得截图，已经提供了观察运行结果的途径；要确认完整玩法和边界情况，仍然需要更具体的验证。
使用现成素材制作平台跳跃游戏，把关注点带到了工程结构。 这次提供了角色、平台、金币和敌人素材，要求制作包含二段跳、金币收集和踩敌人的竖屏关卡，主要考察素材理解与场景搭建能力。
对 Cocos 项目而言，场景和预制体是否被合理组织，直接关系到开发者接手后的修改方式。角色、平台和敌人在哪里，哪些内容可以复用，后续调整布局需要改什么，这些都是可玩效果之外值得检查的内容。
测试中，两边最初都没有打算直接搭建场景。我因此补充要求，明确让它们把场景搭出来，并按需使用预制体。
PinK 在这项任务中先后进行了两次尝试，均受到请求失败等异常阻断，最终没有得到可供演示的平台游戏。Game Agent 中途也出现过代码子任务失败，随后继续处理控制脚本。由于 PinK 没能提供相应结果，这项对比没有完成，无法据此评价双方场景搭建能力的高低。
Game Agent 已经生成的关卡可以进行简单试玩，角色能够移动、跳跃，也出现了踩中史莱姆后的加分提示。提供的角色、平台、金币和敌人素材都被用进了关卡。
Game Agent 生成的平台跳跃关卡，画面中出现了踩中史莱姆后的加分提示。
我进行了两次试玩，第一次是在开发任务尚未结束时的提前体验；后续又进行了一次试玩，并查看了场景、预制体和脚本。直到录制结束，Game Agent 的任务仍未全部结束，因此这里能确认的是工程已具备可操作的阶段性结果，完整需求和后续验收还需要继续检查。
工程中已经形成可继续查看和编辑的场景对象。
整体来看，Hello World 中 Game Agent 的交互细节略多；贪吃蛇的基本玩法双方都已实现，可以认为基本持平；平台跳跃则因异常没有完成双侧对比。
相同的模型配置，让工具调用、预览检查、工程组织和异常处理这些环节更值得被单独观察。本次样本还不足以说明哪一个环节决定了表现差异，但它们确实影响着开发者最终能拿到什么、还能接着做什么。后续如果继续评测，我更希望增加重复测试，并考察对已有项目的修改能力，让比较更接近日常开发。
完整实测视频：【赛博斗蛐蛐 游戏开发智能体强强对决】