为什么新模型发布，都要先做一个游戏？
新 AI 模型发布后让模型现场做游戏，正取代跑分成为主流演示方式。Claude Opus 5.5 发布时 Anthropic 展示了同提示词下的游戏生成对比，GPT-6 Astra 与 Kimi K3.1 Pro 也把游戏开发作为重点演示。这类浏览器游戏同时检验代码生成、空间理解、状态管理与交互反馈，但 GameCraft-Bench 显示最强 Agent 整体完成度仅 41.46%。
#DeepSeek
爱范儿AI 评分5050
MIT Technology Review · AIAI 评分4040 我们高估了 AI 说“不”的能力
Anthropic 2021 年提出大语言模型应“有用、诚实、无害”，如今拒绝回答已成为现代 AI 的固有机制，企业通过让模型互相训练来强化拒答。但拒绝机制是概率性的，并不可靠，部分最新模型在入侵关键网络、操纵舆论上的能力已堪比顶尖人类黑客和虚假信息高手。OpenAI 董事会成员 Zico Kolter 指出，该在何处划线是巨大难题，而目前这条线由 AI 公司秘密划定。