从夯到拉的模型评测及思考

5 小时前26 浏览包含 AI 合成内容

咕咕咕！这几天整理了一遍群友们的聊天和一些数据，结合ai来聊聊一些思考。

/TapTap Maker Benchmark — Leaderboard/

这份模型榜发出来很久了咕 ,21 个模型,试着来总结和讨论一遍。结论先放这:deepseek 是性价比之王,官方主推是 deepseek加高效。但今天不太想只聊这个。

想聊的是,最近发生的一些事情和思考。

一、咕咕先吃一口

咕咕觉得,TapTap Maker的玩家还是相当包容的咕。

这半年,咕咕有幸吃到大家这么多精心准备的 shi。有的是 48 小时赶出来的热乎小菜,有的是打磨很久才端上桌的硬菜。味道参差很正常,但愿意做、愿意端出来,本身就值得先鼓励。

做出来这件事,正在从本事变成默认。0.05 美元一个任务的模型,48 小时能出 Demo 的平台,「一句话做游戏」也已经不新鲜了。

真正开始变难的,是另一件: 从端出来之后,怎么被更多人看见。

不是大家不行。是桌子太大了。这半年 4000 款同类摆在一起,超过 1000 万玩家来过,日活 16 万以上,创作者超过 3000 人。热闹是真热闹;可热闹摊到每一款上,仍会有作品安静得像没被叫到号。

TapTap 制造把「做」变得不贵。可「被看见」那本账,还得自己一点点算。

ai游戏不过大多数都是shi，不过《完蛋我被男同学包围了》，是非常贴切目前ai游戏的现状的咕！只是缺少几个真正好玩有趣的游戏来给ai游戏正名。（热点思路）

完蛋我被男同学包围了

二、先把账本摊开

deepseek 只是引子。但引子得硬,不然后面的对比站不住。

TapTap Maker 官方 Benchmark 不是聊天榜,是执行榜。L0 看你交没交东西,L1 过静态检查,L2 真扔进 UrhoX 引擎跑,跑通了才给分。95% 置信区间,公开题和私有题分两套。私有题模型没机会背答案。连「平均完成一个测试任务的成本」都算了,可以认为接近真实消耗。

2.1 成本和通过率,差在哪

主榜里最刺眼的一组对比:

模型	通过率	单任务成本	大概意味着什么
claude-opus-5	86.2%	$6.49	强,但贵到个人很难扛
claude-fable-5	85.0%	$4.17	也很强,依然不便宜
gpt-5.6-sol	83.9%	$2.03	前排里相对能打
gpt-5.6-terra	78.5%	$0.55	能力不差,成本下来一截
qwen3.8-max	78.5%	$0.91	国产前列
deepseek-v4-flash	75.4%	$0.05	便宜到离谱,还能进前十
hy3	70.8%	$0.06	量大管饱,紧贴 deepseek
deepseek-v4-pro	52.2%	$0.39	又贵又拉
claude-haiku-4-5	42.3%	$0.25	快,但不适合当主力

最狠的对比只有一句就够:

130 倍的钱,换 11 个点。

opus-5 对 deepseek-v4-flash,通过率 86.2% 对 75.4%,成本 6.49 对 0.05。

再放大一点。一个游戏往往不是一道题,是十几个、上百个、甚至上千个任务堆出来的。按 1000 个任务粗算:

全用 opus-5:约 $6490
全用 deepseek-v4-flash:约 $50

这还没算你反复返工、重跑、改需求。贵模型不是不能用,是不能拿来趟所有路。

2.2 官方积分倍率,也是一本账

平台这边还有一套更贴身的账。TapTap 制造里,不同档位积分倍率差得很开:

档位	积分倍率
泰坦	5
极致	1
千问	1.44
专业	0.5
高效	0.48
豆包	0.2
deepseek	0.14
轻量	0.08

倍率不是全部,因为不同模型 token 效率不一样。有的单价看着不贵,办成一件事要烧更多 token,总账反而贵。所以 Benchmark 给的 cost/case 更接近真实消耗。两套账叠一起看,deepseek 依然扎眼:平台倍率低,实测成本也低。

官方和咕咕的日常推荐,都是 deepseek + 高效。原因很简单,先活得下去,再谈上限。

2.3 便宜会传染

deepseek 不是一个人站在地板上。hy3 已经追到 $0.06,通过率 70.8%。一批模型挤在 $0.5 到 $0.9 区间往下试探。

价格战有个特性,它会自我复制。今天 deepseek 砸地板,明天大家都站在地板上。等「便宜」普及成默认,「便宜」这两个字就失去意义了。

三、同一场雨,不同屋檐

ChinaJoy 那几天,行业热得很。外骨骼、机器人、AI 展台从这头铺到那头。饭局上不聊焦虑了,聊哪家模型实惠。投资人开始问「团队有没有 AI 思维」。官方报告写得很满:中国游戏收入 TOP50 企业里,80% 做了 AI 布局,近六成建了 AI 实验室。

这些都是热闹。热闹底下有一件更冷的事。

3.1 左边:大厂和 3A

大厂这边,AI 已经从「要不要用」变成「用得多深」。

光子工作室群的 AI 资产生成平台 LAP,在不同环节带来 20% 到 95% 不等的提效。角色动画制作时间,从 3 天压到 15 分钟。腾讯展台上,LAP、MagicLomix、MagicDawn、代号 Craft 一字排开。网易伏羲、米哈游、三七、恺英,也都在把 AI 塞进工业化管线。

这条路的逻辑很清楚:把专家知识打包成工具,工具串成工作流,工作流集成成平台,最后变成组织能力。一旦落地,能无缝嵌进长青项目,生产价值立竿见影。

但 3A 原创 IP 并不好过。经典 IP 的新作、续作,天然更容易拿到市场声援。原创 3A 夹在竞品撕咬和经典 IP 压迫中间,进退两难。AI 把门槛降下来,进来的人翻了几倍,原创团队面对的已经不是「做不做得出来」,是「凭什么被看见」。

有分析把这叫「体系之困」。不是团队不够努力,是缺一套能把创意判断、原型验证、用户反馈和长期运营组织起来的长期主义体系。几亿预算砸下去,照样可能死在声援不够、验证太慢、方向跑偏上。

3.2 右边:独立开发者和 TapTap 制造用户

另一头更轻,也更脆。

「一句话做游戏」已经不再是概念。代号 Craft、TapTap 制造、极逸 SOON、百度云,各家都把类似方案摆上了台面。腾讯展台有个现成例子,《人是不能飞的》,一个开发者靠 AI 辅助代码生成,一个人做完。一个人同时当策划、美术、程序、制作人,顶一个微型工作室。

《人是不能飞的》

MagicLomix 更激进,0 经验开发者一周左右能做出小体量全 3D 游戏。长期目标甚至是国产原创的 AI 原生 3D 引擎。（很多都在内测中，没找到申请链接，估计目前一坨咕）

对独立开发者来说,这当然是机会。以前你不会写代码,做不出游戏。现在模型帮你把实现门槛拆了,人人都能做出「能玩的东西」。

可机会背后,难处也挪了位置:端上桌之后,怎么被更多人看见。

3.3 其实是同一场雨

咕咕想说的是,3A 被逼上绝路这件事,和个人开发者其实是同一场雨。只是站的屋檐不同。

	大厂 / 3A	独立开发者 / TapTap 制造
预算	几千万到几亿	几十到几千块积分和精力
优势	管线、品牌、声援、发行资源	轻、快、敢试、一个人就能开工
共同焦虑	凭什么被看见	凭什么被看见
真正想要的	长线 IP 和可持续增长	自己的品牌,自己的原创 IP
最怕的结果	大项目做完没声量	Demo 发出去没人玩

大厂在屋檐下躲雨,还在算几亿预算怎么花。我们这些独立开发者,淋在雨里,也想做出自己的品牌,自己的原创 IP。区别只是,他们赌的是大项目,我们赌的是小游戏。赌桌一样挤,赌注大小不同。

经典 IP 是富人的保险。原创是穷人的赌注。AI 把赌注变便宜了,也把赌桌挤满了。

对个人开发者是窗口。对拿了几亿做原创 3A 的团队,是压力测试。两边都没逃掉「被看见」这件事。

四、做出来容易,被看见难

便宜覆盖了「做」。没覆盖「被看见」。

4.1 做游戏的成本,在塌

研发侧的数据已经很夸张:

资产生产:部分环节提效 20% 到 95%
角色动画:3 天压到 15 分钟
小体量 3D 游戏:0 经验也可能一周出 Demo
TapTap 制造:48 小时能做出可玩版本
模型侧:deepseek 把单任务成本打到 $0.05

也就是说,「从点子到可玩」这条路,比以前短太多了。

4.2 推游戏的成本,在涨

发行侧完全是另一本账。

SensorTower 数据显示,2025 年全球手游下载量同比下滑 7%。Adjust 的数据更扎心,全球游戏单次安装成本(CPI)上涨 30%,单次点击成本(CPC)上涨 33%。流量越来越贵,投放转化越来越低,只靠买量已经撬不动增长。

于是行业往内容经营转。达人生态、直播互动、玩家共创成了新热门。业内口径里,一个成熟内容生态,对用户活跃增益大约 15% 到 35%,对流水增益大约 10% 到 25%。有大 DAU 产品靠全年创作者经营,全球短视频播放量从 4 亿涨到 9 亿以上,约 2.2 倍。某二次元开放世界新游,靠预约蓄水加首发放大,全端首周下载突破 1820 万。

这些数字说明一件事:内容经营有用。

但它们也说明另一件事:这些打法,默认你有预算、有达人资源、有运营能力。

4.3 对个人来说,方法看见了,门槛还在

把两边并排放:

	做游戏	推游戏
趋势	成本下降,门槛下降	买量变贵,竞争变密
代表数据	$0.05/任务,48 小时 Demo,动画 3 天→15 分钟	下载 -7%,CPI +30%,CPC +33%
大厂解法	管线 AI 化,平台化提效	达人、直播、内容资产沉淀
个人现状	真能做出来	往往没有达人预算和运营团队
结果	4000 款能做	能被玩到的仍然稀缺

对个人开发者来说,内容经营不是假的,只是太远。你没有达人预算,没有运营团队。你有的,是一个刚发出去的 Demo,和一个安静的后台。

4000 款挤在一起（tap 旧数据）。能做出来的人翻了几倍,能被人玩到的还是那么些。

做出来容易,被看见难。这道鸿沟,是价格战真正没打下来的地方。

五、分水岭不在价格榜

deepseek 赢的是今天。明天的分水岭,不在价格榜上。（不过ds不是多模态，这点最遗憾咕）

5.1 能力上限抄不了

价格抄得动,能力抄不动。

Benchmark 的难度分层很能说明问题:

basic:多数模型 94% 往上
intermediate:普遍八九成
advanced:全榜掉到大约 68% 到 73%

也就是说,简单活大家都会干。复杂玩法,谁也没真正拉开身位。

分类更刺眼。character、animation、vision 三类,通过率惨不忍睹。fable-5 在角色和动画上甚至是 0。做 3D 角色、骨骼、动画、视觉相关的活,再便宜的模型也救不了。

所以别迷信「换个更贵的就行」。贵模型能提高上限,但提高不了「所有复杂问题一次过」的幻觉。

5.2 会不会用,比用哪个贵

第二个分水岭,在模型外面。

有位开发者跟咕咕聊过,他全程用大白话描述需求在戳游戏:「角色从这里跳到那边,碰到那个东西就掉血。」一个游戏从头到尾都是这么描述的。他用的不是最贵的模型,但产出很稳。

原因不神秘。他懂怎么把需求说清楚,懂怎么把一个大玩法拆成模型能接住的小任务。

同一个模型:

会拆任务的人,拿到的是能跑的游戏
不会拆的人,拿到的是一堆改来改去的半成品

这个差距,在价格战之前被「贵的模型更好用」掩盖了。等大家都便宜,这个差距就浮出水面。

模型之间的差距,最后会小于会用和不会用之间的差距。

再补一组速度账。kimi-k3 通过率其实不差,大约 77%,但速度大约 24 token/s,全场垫底。gemini-3.6-flash 能到大约 160 token/s。慢不只是等得烦,是一天少试十几轮。迭代节奏也是成本。

5.3 游戏本身,仍然还是人

第三个分水岭,在游戏本身。

4000 款 AI 游戏,能被记住的有几款?

腾讯那款《猫仙札》,为了做出「人味」,搭了自研模型,游戏内外加上训练文本超过 100 万字。Agent 的一句话,背后是文案策划熬过的许多夜。两个玩家主线选择相同,因为傍晚互动不同,结局也会不同。

猫仙札

再看大 DAU 验证。《和平精英》AI NPC 玩法累计体验用户 1.1 亿,最高日活 1770 万。这说明 AI 不是彩蛋,能实实在在拉动时长和社交黏性。

但注意,这些案例共同证明的不是「模型便宜就够了」,而是「有人往体验里砸时间」。

做游戏的机器越来越便宜。做游戏的人越来越贵。

AI 消灭的是实现成本,不是设计判断,不是审美,不是你为什么要做这个游戏。

六、最近这几天

最近在制造区晃了几圈,比看总榜有意思。总榜像存档,近 7 天像新鲜出锅。

6.1 近 7 天端上桌的

《我赚钱不讲道理》,大约 22 小时前首次杀进 iOS 放置榜,一度排到第 2。

《勇者刷刷刷》,大约 2 天前首次进入同一张放置榜,还到过第 1。

《每秒1属性,3天打爆星河》,大约 6 天前首次进入,也摸到过第 2。

《重生:新婚旧梦》,大约 3 天前重新杀回 iOS 乙女榜,排到第 8。

一眼看过去,最近最活跃的不是什么宏大叙事。
放置、数值膨胀、重生乙女,全是上手快、反馈快。（反思呀咕！其实总结起来就一句话：玩家体验好！）

《勇者刷刷刷》五个字把循环说完了。
《每秒1属性,3天打爆星河》连成长预期都写进标题了。
《重生:新婚旧梦》换了条赛道,乙女榜也能重新挤进去。（目前官方在重点推的领域，可以从最新的活动主题也能看出来）
说明制造区这几天不是只有一条路,但共同气质很像:先让人立刻知道自己在玩什么。

标题先把情绪给满的,通常比标题害羞的更先被点开。
玩家没义务先读懂你的世界观。

6.2 我赚钱不讲道理

《我赚钱不讲道理》最有意思的地方,不是它已经多爆,而是它上桌很快。

评分大约 9.3,热度还在爬。标签很轻:休闲、放置、模拟、点击、竖屏。开发者名也很 maker:123456的工作室48。22 小时里就能摸到 iOS 放置榜第 2,说明这盘菜至少先香了。

它和《勇者刷刷刷》《每秒1属性,3天打爆星河》放一起看,味道接近:数字要涨,动作要轻,第一分钟别让人愣。
名字直,反馈快。点一下,数就变。这比先铺三页世界观好使。

新菜上榜快很常见。希望保持住咕！

6.3 官方有时候也会草台

Tap 官方有时候挺草台。

网页显示对不上,核验不严,入口和文案说改就改。

可 maker 还在内测,这本来就不是终局产品。
换个角度看,这也是个年轻团队该有的样子:手快,肯改,出问题不装死,过两天又能推一版。发展力往往就藏在这种小细节里。

一边做游戏,一边看平台自己长大,挺符合这行现在的状态。正因为它还没定型,独立开发者才还有空位往上端菜。（真的感慨咕，这是最好的时代！）

七、咕咕自己的体感

咕咕自己的配法很简单。

大部分活交给便宜的,趟路、试错、搭框架,全用 deepseek 这档,坏了不心疼。到了关键节点,复杂玩法、说不清的需求,再切贵的精修。

到现在也没把所有路跑通。但便宜让我敢跑。这是以前没有的奢侈。

也慢慢意识到,光会做不够。做完的东西得有人看见。最近开始学着做内容、研究怎么让人点进来。对一个闷头写代码的人,这是另一门课。近 7 天那些突然窜出来的小游戏其实也在提醒:玩家不一定要你多宏大,先要你够清楚。

TapTap 制造的好处是真的。它把「做」这件事变得轻。可轻完之后,你会更清楚地看见另一半重量:品牌、内容、第一分钟、以及你到底想做什么样的原创。

咕咕咕工作室

独立开发者也都想做出自己的品牌,自己的原创 IP。这点不必藏。只是以前这事听起来像妄想,现在至少有工具让你先把原型做出来。原型做出来了,下一步才是更难的:让人愿意点开,愿意留下,愿意记住。（回头想想最近几个月能给咕咕留下印象的游戏真不多咕！）

好啦咕！

回过头看, deepseek 把价格打穿。目前tap的积分目前几乎不是阻碍，真正阻碍的回到了制作人本身综合实力和运气咕！加油各位制作人们！

【宇宙安全申明】咕！

咕咕
2026.08

合集

评测

TapTap 制造应用

9.8

前往论坛