先縮小問題，再讓 Agent 動手
Stefan 3D AI 為測試 GPT-6 Astra 能把遊戲做到什麼程度，設定了一個刻意不利的條件：他與朋友只能下提示詞，不能親手修改程式、模型或動畫。兩人分別用 Unity 製作殭屍射擊遊戲，以及用 Unreal Engine 5 製作 GTA 風格的開放城市原型。
流程沒有從「做完整遊戲」的一次性提示開始。Unity 專案先用約一小時完成 2D 競技場原型，確認場景安排與基本玩法，再改成 3D 第一人稱射擊。Unreal 專案也先建立可操作的概念驗證，之後才逐層加入城市、日夜循環、車輛、NPC、警察與室內空間。影片把一次生成稱為死路，實際採用的是小步修改、測試、回饋再重做。
Unity 原型花掉 12.9 億 Token
Unity 專案把 2D 原型轉成 3D，並加入程序化的角色與武器後，這一輪已花掉約 12 小時與 1.49 億 Token。GPT-6 可以連接 Unity CLI 與 MCP 工具，自行尋找 Mixamo 動畫等現成素材；要生成品質更高的角色、模型和動畫時，流程又接入 Higgsfield 的 Blender 外掛、圖像、影片與 3D 模型服務。Higgsfield 贊助本片並提供額度，這也是片中工具推薦的商業關係。
武器裝填最能看出反覆修改的代價。火箭筒與霰彈槍的初版手部動作不完整，經過多輪回饋才做出可用版本；迷你機槍的裝填零件則仍會分離。整個 Unity 原型最後使用 12.9 億 Token，GPT-6 回報執行約 50 小時，現實時間則接近 100 小時。片中列出的生成素材包含 100 張圖片、50 個模型、約 35 組骨架，以及音訊和影片素材；Stefan 估計第三方生成成本約 40 至 85 美元，最高抓 100 美元。
來源：影片畫面擷取自 YouTube／Stefan 3D AI（06:30）
Unreal 原型功能更多，品質問題也更集中
另一個 Unreal Engine 5 專案使用約 25 億 Token，經過四天持續下提示詞，做出可駕車、射擊、游泳、觸發警方追捕、破壞車輛，也能走進部分建築物的城市原型。GPT-6 對空間安排和室內擺設的處理較穩定，麵包店、商店與可進入的一樓都已具備基本結構。
車輛同時顯示生成品質與互動需求的衝突。直接生成完整 3D 車模，外觀可能比較完整，卻沒有可分離的車門與零件，無法支援上下車和破壞機制；改用可互動的程序化車輛後，功能保住了，外觀與上下車動畫卻明顯粗糙。影片後來以動作參考影片改善上下車，再透過現成函式庫轉成可用動作，但成品仍停在原型階段。
Token 數字不能直接換成實際帳單
兩個專案合計約 37.9 億 Token，但影片沒有提供輸入、快取輸入、輸出與工具呼叫的比例，也沒有說明這些 Token 是否全按 API 標準費率計價。OpenAI 目前列出的 GPT-6 Astra 標準價格為每百萬輸入 Token 10 美元、快取輸入 1 美元、輸出 50 美元；超過 27.2 萬輸入 Token 的請求還會套用更高費率。缺少用量拆分時，不能從總 Token 數推回一張可靠帳單。
片中能確定的現金估算只有外部生成資產：Unity 專案約 40 至 85 美元、最高抓 100 美元，Unreal 專案則約 100 美元；其中部分用量由贊助商額度支應。留言區有人依 API 價格推估更高成本，也有人質疑成品是否已達可販售標準；這些都指出同一個缺口：功能數量、Token 數與完成度不是同一個指標。
純提示能完成廣度，人的技術決定取捨
Stefan 的結論不是 GPT-6 無法做遊戲。兩個原型都在幾天內建立大量系統，包含武器、敵人、車輛、NPC、室內、音效與動畫；限制出現在品質一致性、修改速度和資產可互動性。當開發者只能描述問題、不能直接修正時，一個原本幾分鐘能調整的模型或場景，可能要用多輪提示和大量 Token 繞回來。
這次實驗顯示，GPT-6 適合擴大原型的功能範圍，但不能把開發經驗省略掉。知道先做 2D 概念驗證、判斷何時改用專用模型、保留車門等互動結構，以及辨認哪些細節值得手動處理，仍是成品能否跨過原型階段的條件。
I Ran GPT-6 for 3 Days Non-Stop and It Created This… ／ Stefan 3D AI · 在 YouTube 觀看 ↗