单提示词烧 6.9 亿 token 做游戏，Codex 用 5 美元复刻了

近日两位网友先后用 AI 大模型做出了同一款美式水上快艇竞速游戏，引发社区热议。第一位开发者 Vyom 使用 Anthropic 的 Claude Opus 5，配合一条长达约 2000 字的结构化提示词，一次性输出了名为「INK TIDE」的水上竞速游戏。整个过程消耗约 6.9 亿 token、折合约 423 美元。游戏基于 Vite、TypeScript 和 Three.js 开发，所有模型、纹理和音效均由代码生成，不依赖任何外部素材。随后，另一位开发者 Anul Agarwal 在 OpenAI 的 Codex 环境中，仅用 2 条提示词和约 5 小时，便复刻出了相似玩法的版本，折算成本约 5 美元（来自 Codex 订阅额度的折算，并非独立 API 账单）。

Opus 5 单提示词方案：2000 字需求文档 + 多 Agent 分工

Vyom 的提示词本身已经接近一份正式的产品需求文档。它先定义硬约束（单提示词、纯代码生成资源等），再描述视觉标准、功能需求、开发流程和交付标准，并单独给水面系统、卡通渲染等模块列出章节。其中最关键的设计，是把整体任务拆分给多个子 Agent 并行处理。

具体分工包括：

• 水面子 Agent：负责水面物理与视觉；
• 卡通渲染子 Agent：统一画面风格；
• 赛艇物理子 Agent：处理船只俯仰、侧倾等动力学；
• AI 对手子 Agent：控制 NPC 行为；
• 角色动画、视听系统、性能子 Agent：各管一摊。

这种安排的核心目的是对抗大任务中的「注意力稀释」。当同一个 Agent 同时处理水面、物理、UI 与音频时，容易出现改一处坏一处、接口定义反复推翻的问题。通过事先划定每个子 Agent 的职责范围和可修改文件，再让主 Agent 统一协调，可以在保证效率的同时控制质量。作者还额外配置了一个「质检子 Agent」，配合截图脚本循环检查渲染效果，要求各子系统通过视觉评审才能合并。

最终成品拥有完整的圈数、倒计时、实时排名、仪表盘 UI 和卡通风格水面效果，不过 3 个 NPC 难度偏低，其中最快的对手仅比理论最优快 0.5%，更像是刷圈速的 demo。

Codex 复刻版：约 5 美元，但完成度有差距

Anul Agarwal 的方案基于 Codex，主 Agent 使用 GPT-5.6 Sol Ultra 负责调度，开发任务交给 GPT-5.6 Luna Max 子 Agent 执行。整个流程仅花了周限额的大约 20%，折合约 5 美元。复刻版同样实现了海面行驶、卡通水面、绿色赛道、竞速 UI 和多艘赛艇同场竞技等核心要素，但与 Opus 5 版本并列对比时，水面细节、角色表现和画面统一性都明显粗糙，更接近一个能跑的 MVP。

需要注意的是，5 美元并非 API 独立账单，而是 Codex 订阅套餐额度的折算。Opus 5 端的 423 美元则是按 API 公开定价计算的理论值。因此两份成本数字之间并非完全对等的可比口径。

案例启示

这两个项目共同展示了大模型在多 Agent 工作流下的工程化能力：通过把大任务拆成边界清晰的子任务，可以让 AI 团队在保持较高完成度的同时并行推进。但最终的成品质量上限，仍然取决于人类对提示词结构、子 Agent 分工和验收标准的把控。当前阶段，AI 已经能独立产出可玩的游戏原型，但能否做出体验完整的商业作品，依然取决于开发者的设计判断力与成本预算。