Norwin YuAI 使用研究
EN AI 使用研究

实验 / 2026

代码里的实验。

游戏是一组探针,编程工具是另一组,机器本身是第三组。它们都在问同一条真实的生产管线——生成素材、代码、UI、验证和部署——LLM 能推多远,以及人还必须在哪一步介入。

07 个游戏探针02 组对比04 个编程工具05 类工作负载在线 / 附源码

图谱

一份目录,四个变量。

这些项目不是一份游戏清单。每个项目只隔离一个变量:模型能力、围绕它的杠杆、素材管线,或者验证回路。

01

量化

把模型压到 1.6 bit 的地方版本,对 3D 场景意味着什么?明宫三维(Ming Palace 3D)就是那个量化探针;同一份 brief 后来又交给 Fable 5.2 重写了一遍。

02

杠杆

给模型一套 agent/skill 框架,和只给一个 API 循环,差在哪?NEON BREACH 是没走 harness 的对照组。

03

素材管线

程序化代码、生成图片/视频,还是 Blender 辅助?雾谷农庄是不用 Blender 的基线;Blender 版现在已经进了对比。

04

验证

Playwright、截图复查、碰撞检查,加上六道关的 harness。构建跑得起来不算结果,能被人检查才算。

实验地图:各项目及其被测的那个变量
实验测什么模型杠杆
魔都夜行OSM 城市 + 一夜模拟DeepSeek Flash → Fable 5.2 + Opus 5.5代码/系统;OSM 管线;单文件构建
青云渡无外部素材的开放世界 3DFable 5.2 + Opus 5.5代码/系统/UI;运行时生成美术与音频;node:test
ECHO ZERO完整叙事管线 + 追加的语音层DeepSeek Flash + MiniMax H3代码/UI/音频;生成美术、视频、音乐;Edge TTS
烽火三国生成素材塞进一个完整的游戏循环DeepSeek Flash + MiniMax H3代码/UI/音频;生成的图片与视频素材
仙宗DeepSeek Flash 的 3D 能力DeepSeek Flash代码/系统/文档;程序化素材;Playwright
雾谷农庄无 Blender vs Blender 管线DeepSeek Flash程序化模型、天气、音频;无外部素材
机场大亨 3DDeepSeek Flash + DSH + Godot 引擎路线DeepSeek Flash + DSHGodot 4.6 / GDScript;程序化网格与音频
NEON BREACH无 harness 对照组DeepSeek V4.1 Flash纯 API,无 skill;原生 WebGL;程序化素材
明宫三维量化版 vs 原版 vs Fable 5.2DeepSeek-V4.1-Flash-1017 · Maya-XS · Fable 5.2一句中文 prompt;单文件 WebGL2;无 skill
MiniDSHAgent harness 对齐未记录Python 3.9+ · 核心零依赖 · MockModel + DeepSeek 适配器
NorMark桌面编程应用未记录Electron / React / CodeMirror
sensorium不起子进程读硬件DeepSeek FlashRust · ratatui · 进程内 NVML
RoomTessera 3D空间工具DeepSeek Flash代码/UI/测试;程序化几何
MiniMax H3 TP222 GB 卡上的多卡杠杆DeepSeek Flash张量并行节点,每个 rank 一个 host 线程
dsh-quota工具 / 按路由显示状态DeepSeek V4.1 Flash代码/测试/文档;配置驱动的适配器

怎么读矩阵是实验设计,下面的案例记录才是证据:建了什么、生成了什么、交接在哪一步断掉。

方法

每个构建背后的管线。

产出可以是一款能玩的游戏,也可以是一件能用的工具,但研究对象是管线。每个构建都跑同一条回路,只是约束不同、坏的环节不同。

01

定范围

在生成任何东西之前,先钉死回路、约束和验证目标。

人
02

素材

用 MiniMax H3 生成场景、角色、单位、视频和音频。

模型
03

代码

用 DeepSeek Flash 写系统、UI、游戏逻辑和程序化音频。

模型
04

集成

把素材、状态、存档、输入和移动端布局接成一个能玩的构建。

双方
05

验证

Playwright 检查、截图复查、碰撞与回路测试,最后手动试玩。

双方
06

部署

静态产物、源码说明,以及一条能在工作站复现的运行路径。

人

这测的是什么不是「LLM 能不能写游戏」,而是生产管线的哪些环节扛得住模型生成、交接在哪一步断掉、结果需要多少验证。

01 / 游戏探针

13 个游戏构建,7 个深度切片。

这里详细写 7 个游戏切片;另外 6 个构建放在下面的对比里。

雨夜街头:撑伞的行人停在路边,旁边是一辆停下的电车

魔都夜行 Modu Night Walk / 城市模拟

单文件 Three.js 的雨夜城市:几何来自 1:1 的 OpenStreetMap 滨江数据,名字、店铺和人物是重新写过的。给你 23:00 到 01:00,七个委托、一部会没电的手机,和四种回家的方式。

  • OSM 轮廓投影为本地米制坐标:413 个建筑轮廓、612 段道路、503 条步行道、114 块绿地、24 个 POI;名称全部改写,投影原点不公开。
  • 渡轮、夜宵线、出租车、纯电自驾、无人机和江上游船;室内、天气、灯光秀,每种回家方式都有结算评级。
  • 由 DeepSeek 反复迭代了几十轮写出;最后一轮优化由 Fable 5.2 与 Opus 5.5 完成。
规模
2.5 × 2.2 km · 7 个委托 · 4 种结局
构建
单 HTML · 2.6 MB · 零请求
技术栈
three.js r169 · WebGL · OSM / ODbL
系统
手机 · 拍照评分 · 无人机 · 罚款
模型
DeepSeek Flash → Fable 5.2 + Opus 5.5
状态
技术预览,不是发行版
黄昏时分的青云村、青云河与石桥

青云渡 Qingyun Crossing / 修仙开放世界

一个纯前端、单人的 3D 开放世界修仙 Demo:八片区域连成一张无缝地图,七章主线从村外石桥一直走到九霄雷劫,全部美术与音频都在运行时生成。

  • 地形、建筑、人物、贴图与音效都由代码生成;最终产物是 index.html 加一个 1.3 MB 的 game.js。
  • 三段连斩、弹反、瞬身与四门功法;秘境五层,每层随机布局,清层后三选一增益。
  • 采药、炼丹、种灵田、钓鱼与宗门声望共用同一条进度,炼丹直接决定能不能筑基。
体量
8 片区域 · 7 章主线
构建
2 个文件 · 1.3 MB · 无素材目录
技术
three.js r187 · WebGL2 · esbuild
测试
30 项 node:test,随 CI 运行
模型
Fable 5.2 + Opus 5.5
边界
止于金丹初期 · 仅键鼠
ECHO ZERO 标题画面,云层之上悬着一圈深色的环形结构

零号信标 ECHO ZERO / 蓝光游戏

一部未来黑色风格的视觉小说,讲记忆、信号和一座正在遗忘的城市。三条分支章节、一个画廊、一个结局回路——做成一整个叙事面,不是场景 demo。

  • 生成的场景、角色立绘、视频和中文配音;代码、UI 与声音设计由 DeepSeek Flash 完成。
  • 存档 / 读档、章节选择、画廊、设置和移动端布局。
  • 静态 GitHub Pages 构建;无后端,运行时不带 API key。
格式
3 章 · 分支选择
媒介
MiniMax H3 + Edge TTS + WebAudio
构建
静态单页应用
状态
已上线,非商业
模型
DeepSeek Flash + MiniMax H3
杠杆
代码、UI、音频 · MiniMax 美术/视频/音乐 · 追加中文配音(Edge TTS)
烽火三国主菜单

烽火三国 Beacon of the Three Kingdoms

浏览器端的三国战棋垂直切片:12 × 9 网格、47 名武将、11 座城池,还有天气、火攻、士气、增援和 Boss 演出。目标是跑通一个完整循环——布阵、移动、攻击、升级、失败——而不是拍一支电影级预告。

  • 行动顺序、地形、反击、侧翼、补给和自动战斗。
  • 立绘、单位美术、地形和视频由 MiniMax H3 生成。
  • 代码、UI、系统和程序化音频由 DeepSeek Flash 完成。
规模
47 名武将 · 11 座城池
战斗
12 × 9 网格 · 天气 · 火攻
技术栈
Three.js + MiniMax H3
状态
非商业 demo
模型
DeepSeek Flash + MiniMax H3
杠杆
代码、UI、音频 · MiniMax 生成的图片与视频素材
黄昏时分仙宗的山门

仙宗 Immortal Sect / 修仙宗门

一个 3D 修仙宗门经营原型,用来测 DeepSeek Flash 的 3D 能力:七名弟子、建筑升级、每日事务、第三人称移动、战斗和天劫。整个可玩章节在浏览器里跑完,没有后端。

  • 程序化生成模型、材质和音频;不依赖任何外部素材文件。
  • localStorage 存档、旧档迁移、移动端布局,以及暂停与设置。
  • 73 项 Playwright 检查,覆盖桌面、手机、布局和旧存档。
规模
7 名弟子 · 12 天章节
技术栈
Three.js + TypeScript + Vite
验证
73 项 Playwright 检查
状态
可玩原型
模型
DeepSeek Flash
杠杆
3D 能力测试 · 代码、系统、文档、Playwright 检查 · 程序化素材
雾谷农庄标题画面:黄昏下的农舍、水井和菜园。

雾谷农庄 Mistvale Farm

一款第三人称 3D 农场生活游戏,只用一句 DeepSeek Flash prompt 就搭起来:「做一款写实风的 3D 农场游戏」。开一块地、种下作物、在缓慢的昼夜循环里照料它们,把一个雾气弥漫的山谷变成家。全部在代码里生成——这是不用 Blender 的基线;Blender 辅助版现在也进了下面的对比。

  • 一句 prompt,不用 Blender,没有外部模型、贴图、字体或音频文件。
  • 程序化作物、工具、天气、水面 shader 和 WebAudio 环境声。
  • 静态 GitHub Pages 构建,本地存档,适配移动端。
  • 与下面 Blender 辅助的《拾穗》版本对比。
技术栈
Three.js + Vite
规模
农场循环 · 天气 · 存档
素材
100% 程序化
状态
已上线 · Blender 对比
模型
DeepSeek Flash · 一句 prompt
杠杆
不用 Blender · 程序化模型、天气、音频 · 与 Blender 版对比
机场大亨 3D 在 Godot 里的主菜单。

机场大亨 3D Airport Tycoon 3D

一款 Godot 4.6 机场经营模拟,用来测 DeepSeek Flash + DSH + Godot 这条路线:买机或租机、开航线、建航站楼,还要扛住暴风雨、罢工、油价飙升和检查。每个网格和音效都在代码里生成。

  • 从主菜单到通关/破产的完整循环,含手动与自动存档。
  • 3 种机型、8 个航点、8 类事件,以及昼夜循环。
  • 桌面版。还没有公开的网页导出,所以不挂线上链接。
引擎
Godot 4.6
规模
3 种机型 · 8 条航线
平台
macOS · Windows · Linux
状态
桌面版
模型
DeepSeek Flash + DSH
杠杆
Godot 4.6 · GDScript · 程序化网格与音频

02 / 对比

四次受控运行。

不是每个构建都是产品。Run 01 用一台无 skill 的 3D 枪战对照一台走 harness 的 3D 枪战。Run 02 把同一个问题换到城市卡丁车。Run 03 把同一份 brief 渲染三次:本地量化版、线上原版,再让 Fable 5.2 从零写一个单文件构建。Run 04 比较同一个农场概念在有无 Blender 下的两条资产管线。

Run 01 / 验证 harness

Harness 到底改变了什么?

这里的 Photoreal Game Harness 就是 skill:photoreal-game 的流程加六道关。一组 3D 枪战对照,两种循环:NEON BREACH 不走它,BLACK ICE 走它。这里验证的是 harness 改变了什么、抓到了什么。

Harness = skill + 六道关

  • 01Shader
  • 02对象普查
  • 03碰撞
  • 04灯光
  • 05回路
  • 06观感
NEON BREACH 的第一人称霓虹竞技场,画面里有枪械和敌人。
A / 无 skillNEON BREACHDeepSeek V4.1 Flash · 纯 API · 5 波
BLACK ICE 北极前哨站枪战:机器人、中继塔和第一人称武器。
B / 有 skillBLACK ICE · 白夜站8 / 8 gates · 163 draw calls · 127k tris · 318 KB

A 是无 skill 对照,B 是 skill run。不是受控模型 benchmark。读 harness 笔记

Run 02 / 验证 harness

同一个 harness,换到城市卡丁车。

同一个“无 skill vs 有 skill”的问题,换到城市卡丁车:落日环线不走 skill,SUNSET DISTRICT 走它。换一个类型,应该暴露不同的失败。

落日环线城市卡丁车比赛:霓虹街道上的卡丁车与青色加速带。
A / 无 skill落日环线 · Sundown Circuit3 圈 · 860 米 · 6 台卡丁车
SUNSET DISTRICT 城市卡丁车比赛:两台卡丁车行驶在湿润的市中心街道,带比赛 HUD 和小地图。
B / 有 skillSUNSET DISTRICT4 圈 · 5 个对手 · 636 draw calls

A 是无 skill 对照,B 是 skill run。不是受控模型 benchmark。

Run 03 / 模型与生成

同一份 brief,三次生成。

同一份明宫 brief,交给三套系统:本地跑的 Maya-XS 量化版、线上的原版 checkpoint,以及从零写一个单文件构建的 Fable 5.2。

本地 Maya-XS 量化版明宫:暖色晨光、金色屋顶和白色石台基。
A / 本地 · 约 1.6 bitMaya-XS93GB · 131K 上下文 · 91KB 输出
线上原版明宫:明亮薄雾天空、正面立面和右侧四个视角预设。
B / 线上 · 原版DeepSeek Flash 1017原版 · 85KB 输出
Fable 5.2 版明宫:前景是宫门红墙,主殿坐落在三层汉白玉台基上,两侧配殿与松林。
C / Fable 5.2Fable 5.2单文件 46KB · 原生 WebGL2 · 4 个视角

同一份 brief 的三个构建;不是受控的模型 benchmark。哪些能比、哪些不能比,写在日志里。

Run 04 / 资产管线

同一座农场,两种资产管线。

同一个农场概念,两种拿资产的方式:代码加 prompt,或者 Blender 脚本导出 GLB。问题不是谁更漂亮,而是资产从哪来、改起来难不难。

雾谷农庄标题画面:黄昏里的农舍、水井和菜园。
A / 无 Blender雾谷农庄单条 prompt · 全代码 · Three.js
拾穗农庄的白天场景:谷仓、筒仓、栅栏、作物和土路。
B / Blender拾穗 · HarvestBlender 生成资产 · 39 个道具 · GLB

同一概念,不同管线;不是受控美术对比。雾谷是全代码基线,拾穗是 Blender 辅助版。

03 / 编程与工具

让技术栈变得可读的工具。

编程实验不是支线任务。模型的工作在这里变得可检查:harness 本身、本地优先的文档、空间编辑,以及额度状态。

minidsh / plugins

$ minidsh plugins

agent.basicon

workflowoff

MockModel · Python 3.9+

sessionJSONL · 可检查

Agent harness · Python

MiniDSH dsh-python-lab

用 Python 拆解 DeepSeek Harness 的各层:插件、工具、审批、JSONL 会话、子 Agent、Skills、定时任务、Goal 和 PTC。默认用确定性 MockModel 跑通;DeepSeek 适配器单独开启。

模型未记录 · Python 3.9+ · 核心零依赖

技术栈
Python 3.9+
核心依赖
0
范围
Agent loop · 会话 · 子 Agent
状态
公开仓库
先跑 MockModel教材 GitHub
NorMark — notes.md
工作区
01 / 笔记 构建记录

让管线保持可检查。

测量。写下来。去掉多余的部分。

macOS 应用 · Electron

NorMark

一款 Mac 上的 Markdown 阅读与编辑器,带 CodeMirror、实时预览、工作区、PDF 导出、专注模式和打字机模式。

模型未记录 · Electron / React / CodeMirror 应用 · 仓库里没有模型说明

技术栈
Electron · React · TS
侧重
写作 · 预览
状态
公开仓库
桌面应用GitHub
sensorium / 总览

GPU097% · 21.5 GB · 71 °C

GPU172% · 19.7 GB · 75 °C

功耗 180 / 180 W · 已封顶

CPU单核 4.6%

88 线程 · 占整机 0.05%

重绘0.34 ms

工具 · Rust

sensorium 机器的感官中枢

一个用 Rust 写的终端硬件监控:CPU、GPU、内存、温度、风扇、功耗、磁盘和网络,直接读 /proc、/sys 和 NVML,完全不起子进程。

技术栈
Rust · ratatui
开销
约占单核 4–6%
内存
常驻约 24 MiB
刷新
1 s · 重绘 0.2–0.35 ms
二进制
约 1.2 MB · stripped,LTO
状态
公开仓库
RoomTessera 3D 界面:户型图、家具和 3D 剖切视图。

空间工具 · React Three Fiber

RoomTessera 3D

上传一张户型图,得到一个可编辑的 3D 公寓:墙体识别、15 类家具、材质、测量和本地存档。

模型DeepSeek Flash · 代码、UI 与测试 · 程序化几何与材质

技术栈
React · Three.js · Vite
规模
墙体 · 家具 · 灯光
状态
在线预览
空间编辑试玩
dsh / 额度状态

$ dsh quota status

OpenCode Go剩余 96%

滚动窗口 · 1h 0m 后重置

DeepSeek API¥42.50

余额来源

Ark Coding Plan¥188 / ¥200

工具 · TypeScript

dsh-quota

给 DeepSeek Harness 做的、随路由变化的额度与花费组件。切换模型会改变 UI 该显示什么:套餐剩余、API 余额,还是本地记录的花费。

模型DeepSeek V4.1 Flash · 代码、测试与文档 · 配置驱动适配器 · 51 项测试

技术栈
TypeScript · Node · YAML
验证
51 项测试
状态
本地工具
源码可索取配置里不放密钥

04 / 工作负载

工作站实际在跑什么。

五类负载共享同一份 44 GB 显存预算:一个跨两张卡的 20B 视频模型、一个静图模型、一个音乐模型、一个 256K 上下文的 27B 文本模型,以及让这些数字站得住的基准。只有视频那一行需要靠探针才让第二张卡真正干活。

工作站承载的工作负载,以及各自的限制
工作负载模型限制实测细节
视频MiniMax H3 · 20.11B · W4A873 帧 · 原生 1344×768 · 4 步 Turbo4 步片段 82 秒 · 相对单卡 2.97×视频栈
图片H3-Image DiT · W4A86 步 · cfg 1.0 · 预设 1344×768 到 6272×26882k 单张 78 秒(2048×1152,冷启动)接口契约
音频MiniMax Music3 · fp1630 步 · cfg 1.7 · 歌词可带 [verse]/[chorus]30 秒音乐 305 秒(751 步 AR + 30 步扩散)接口契约
文本Qwen3.8-27B-FP8 · W8A16256K 上下文 · 一次一条序列思考 46 tok/s · 非思考 52 · 4K 预填充 1,978 tok/s文本栈
实验Strata 125B MoE · LMExamBench · TP2 探针128K 上下文 · 8 个评测阶段 · 每卡 22 GB探针与计划;评测每次 8 题重启成本 · 评测

同一份预算每一行都在争同样的 44 GB 显存,彼此不能同时跑:视频模型采样时独占两张卡,要跑文本模型得先把它停掉。表里的耗时都是通过任务接口、固定种子的冷启动,包含模型载入。

h3 / tp2 基准 · 640×352

单卡51 s / step

TP214 s / step

每段 4 step 片段 243 s → 82 s

加速比2.97×

GEMM 重叠 5% → 91%

GPU1 峰值78 °C · 4 min

视频 · SM75 · TP2

MiniMax H3 TP2 双卡张量并行

一个 20.11B 的视频与音频 transformer,跑 W4A8,切分到两张 22 GB 的 Turing 卡上。关键不是它塞得下——而是光靠切分只到 1.31×。

模型
20.11B · 50 个 block
量化
W4A8 · int4 group 16
加速比
2.97× smoke · 2.25× film
修法
每个 rank 一个 host 线程
输出
逐位一致 · 帧 MAE 0.0000
状态
公开仓库 · MIT 代码