喷气背包竞技场 · 横版射击游戏
构建可玩的横版竞技射击游戏:喷气背包、5 名 AI 对手、多层地形、武器与补给拾取,以及完整对局和重开流程。
本题已收录 14 个模型的 20 份公开成果。下列记录可查看具体模型、运行工具和作品;这不等同于通过率,结论以有明确检查方法的评测报告为准。
题目摘要
构建可玩的横版竞技射击游戏:喷气背包、5 名 AI 对手、多层地形、武器与补给拾取,以及完整对局和重开流程。
完整 Prompt、系统提示词及受限源码仍按原有登录与公众号验证规则获取。
模型成果列表
- Qwen3.8 27B · Arena Code · xhigh
- Mistral Large 4 · Arena Code · high
- Claude Sonnet 5.5 · Arena Code · high
- Gemini 3.8 Flash · Arena Code · medium
- Gemini 3.8 Flash · Arena Code · medium
- Mistral Large 4 · Arena Code · high
- Gemini 3.8 Flash · Arena Code · medium
- zippy · Arena Code · fixed
- Gemini 3.8 Flash · Arena Code · medium
- Claude Fable 5.1 · Arena Code · high
- GPT-6 Luna · Arena Code · max
- GPT-6.1 Terra · Arena Code · max
- GLM-5.3 · ZCode · max
- DeepSeek V4.1 Flash 1017 · Arena Code · max
- DeepSeek V4.1 Flash 1017 · DeepSeek Harness · max
- DeepSeek V4.1 Flash 0910 · WorkBuddy · max
- Gemini 3.8 Flash · Antigravity · high
- Step-5-Preview · WorkBuddy · 高
- Hy4 preview · WorkBuddy · high
- Space Bunny · WorkBuddy · max
留言板把想法留在这里
聊聊模型实测,分享使用体验,或为本站提个建议。
同一道题,
看见模型的不同。
在同一道题下体验不同 AI 模型的真实成果。并排运行作品,参加匿名盲测,查看模型天梯与评测报告。
从同一份提示词,探索不同的可能
模型评测、开发实践与创作记录
评测方案从感兴趣的任务开始
正在加载评测方案…
先看作品,
让作品说话。
同一道题,两份匿名答案。体验之后投出你的一票,让实际效果决定排名。
看作品,选出你的偏好
正在查找可参与的题目…
比较同题模型作品,有效票计入模型榜。
随时可以结束并查看已完成的结果。未比较过的组合计入天梯,全部完成后可继续体验;新增成果后可继续计票。
🏆 Benchmark 成果对决榜 (Elo Rating)
按评测方案的分类查看成果。同题盲测决定 Elo;不同题目的分数仅作参考,不代表模型综合能力。
| 排名 | 模型 (Model) | 脚手架 (Harness) | 天梯分 (Elo) | 用户评分 | 双模型对决 | 内容大小 | 任务用例 | 操作 |
|---|
📝 大模型评测报告与技术解析
汇集模型生成效果横评、提示词工程编排技巧与各类 Harness 架构深度复盘,支持在文章中直接内嵌交互式 WebGL 沙盒。
7 组大模型与 Harness 前端 3D 火箭发射实测深度横评报告
管理总览
跟踪内容发布、社区注册与待处理事项。
内容状态
开始管理
编辑已发布内容、处理投稿,或查看注册用户的信息与权限。
内容管理
管理所有状态的内容,编辑和发布变更即时生效。
封面管理
查看已发布和待审成果的封面状态,从浏览器运行预览截取或上传封面。
用户管理
管理注册信息、角色和账号状态,查看用户的投稿与下载记录。
操作日志
查看内容、审核和账户操作的时间、执行人及详情。
安全与备份
查看请求拦截、运行限制与数据库备份。
当前防护
数据库备份
拦截统计与 IP 限流保存在当前进程中,重启后重新计数。多实例部署需要在网关统一限流。数据库备份保存在服务端私有目录;恢复时还需配套保存上传的 HTML 文件。
审核队列
用户提交的提示词或模型评测成果,经审核通过后即刻在全站公开呈现。
- 提示词总数
- 0
- 成果总数
- 0
- 待审核提示词
- 0
- 待审核评测成果
- 0
- 待审核评测博文
- 0
审核历史
我的提交
查看提示词、成果和文章的审核进度与审核意见。