Linux.do论坛一位开发者分享了对谷歌AI Studio Build环境中代号“Carbon”模型的一次性生成测试结果。测试者仅用一段中文提示词，要求AI创建Aperture Science实验室风格的房间，设计一个让玩家利用传送枪跨越障碍、以重量同伴方块激活开关解锁大门的关卡谜题，并指定使用Three.js与Cannon.js实现物理反馈，营造白瓷质感、动态环境光效与冷峻工业音效的沉浸式体验。生成结果可直接在线体验：AI成功构建出包含双传送门、动量穿越机制和同伴方块的3D物理解谜实验室，场景具备标志性的白瓷视觉风格与真实物理交互反馈，一次生成的完成度较高。但测试者对谜题设计质量明显不满，指出尽管提示词中明确要求“巧妙的关卡谜题”与“挑战性和深度”，AI产出的谜题依然非常简单直白，未达到预期。该测试展示了当前AI编程工具在一次性生成复杂3D交互应用上的能力边界：在物理引擎集成、视觉风格复现等技术实现层面表现尚可，但在需要原创性空间推理与关卡编排的设计层面仍有明显短板。
事件分析
此次测试的价值在于提供了代号Carbon模型的一手实测样本。Carbon此前已在AI Studio环境中被多次发现，普遍被视为谷歌尚未正式发布的新模型，本次测试让外界得以窥见其实际代码生成水平。从结果看，AI已能一次性整合Three.js渲染与Cannon.js物理引擎，复现Portal标志性的视觉与交互元素，说明多库协同的工程实现能力趋于成熟。短板同样清晰：谜题设计依赖空间推理与关卡编排的创造性思维，AI只能产出“能玩”而非“巧妙”的方案。这印证了业界对AI编程的评价重心正从代码可运行性转向设计质量，Vibe Coding工具的竞争力也开始取决于模型的游戏设计类推理能力。后续值得关注Carbon正式发布后的官方定位，以及谷歌是否会针对复杂逻辑与创意设计场景进行专项优化。
核心观点：AI已能复刻传送门之形，却难造谜题之魂——代码生成跨过可用线，原创设计能力仍是下一道门槛。
原文链接：Linux.do
