GAIR Paper 107｜高校联合腾讯发布 GameCraft-Bench：AI已能端到端开发游戏，Claude Opus 四成达到可玩水平

摘要

由GAIR团队联合多所高校与腾讯共同发布的GameCraft-Bench基准测试，系统评估了大语言模型在端到端游戏开发中的实际能力。测试结果表明，以Claude Opus为代表的顶尖AI模型已能在约四成的任务中生成具备可玩性的完整游戏代码与资源，标志着人工智能在游戏自动化创作与复杂逻辑构建方面取得显著进展。

为何重要

• •建立AI游戏开发能力的标准化评估体系，填补该垂直领域基准测试空白
• •验证大模型在长程代码生成、资产整合与交互逻辑设计上的技术突破，有望大幅降低独立游戏开发门槛
• •推动“AI+游戏”产业深度融合，加速游戏制作流程自动化，可能重塑数字内容生产模式
• •明确当前顶尖闭源模型的能力边界，为后续多模态智能体（Agent）研发提供关键数据参考