Codex+GPT-5.6 Sol Ultra生成游戏《Moonlight & Mayhem》评测：超越Claude Fable 5
Simon Willison用同一提示词测试Codex Desktop与GPT-5.6 Sol Ultra，生成游戏《Moonlight & Mayhem》，质量远超Claude Fable 5版本。本文对比两者差异，分析对中文开发者的启示，并给出技术细节与使用建议。
一句话看懂
Simon Willison用同一提示词让Codex Desktop（GPT-5.6 Sol Ultra）生成游戏《Moonlight & Mayhem》，质量远超Claude Fable 5版本，展示了AI编程新高度。
详细发生了什么
Simon Willison在周三用Claude Fable 5从四年前GPT-3和DALL-E生成的游戏设定中，一次性构建了一个完整可玩的游戏《Raccoon Heist》。这次，他将完全相同的提示词交给Codex Desktop，运行在GPT-5.6 Sol Ultra上——该模式会激进地使用sub-agents（子代理）来分解任务。
结果令人惊艳：GPT-5.6 Sol生成了一款名为《Moonlight & Mayhem》的游戏，玩家扮演浣熊在博物馆中营救同伴，而Fable版本只是单只浣熊在后院收集硬币和鱼。新游戏不仅场景更复杂，还通过gpt-image-2生成了纹理和提示词，并开源在GitHub上。Simon在博客中展示了游戏视频，并提供了仓库链接，包括所有生成的纹理和提示词文件。
中文圈视角
对中文开发者而言，这个案例有几点值得关注：
-
sub-agents机制是亮点：GPT-5.6 Sol Ultra的“激进子代理”模式，让模型能自主分解任务、并行处理，这比单次生成更接近真实开发流程。国内类似产品如DeepSeek、Kimi的编程模式尚未公开此类功能，但值得期待。
-
游戏生成门槛降低：从提示词到完整游戏，AI已能处理纹理生成、场景设计等环节。中文开发者若想复现，需注意Codex Desktop和GPT-5.6的访问限制，可能需要梯子。平替方案可尝试国产的智谱CodeGeeX或通义灵码，但功能上仍有差距。
-
开源与学习价值：Simon将全部代码和提示词开源，中文社区可以借此学习如何设计提示词、利用sub-agents，甚至直接改进游戏。这比单纯看论文更直观。
几条值得记住的细节
- 游戏《Moonlight & Mayhem》由Codex Desktop运行GPT-5.6 Sol Ultra生成，使用sub-agents模式。
- 纹理和提示词由gpt-image-2生成，全部开源在GitHub仓库。
- 原始提示词来自四年前GPT-3和DALL-E的创意，这次被完整复用。
- Fable版本是单浣熊后院收集，Sol版本是博物馆营救，复杂度明显提升。
- Simon提供了游戏视频演示，可在博客中直接观看。
一句话总结
AI编程已能生成完整游戏，中文开发者应关注sub-agents趋势，并善用开源资源提升自身效率。