这场对打测的不是模型，是脑洞能不能变成游戏
有人把 Qwen-3.8-Flash-Next 和「牛来」丢进九十年代横版街机，让它们全自动对打，谁倒地谁就算当天 SOTA。这不是评测，是把模型争论做成可玩的玩笑。真正被演示的，是 Gear Zero 这类AI做游戏智能体：角色、场景、技能和随机事件可以接着往下长，作者声称一行代码没写。
两条模型路线本身差得很开。Qwen-3.8-Flash-Next 是开源权重的多模态 MoE，125B 主模型外加约 51B 的 N-gram 嵌入，每 token 大约激活 6B，社区已经在讨论量化、本地 runtime。牛来是 Ox-Alpha 的中文绰号，智谱已认领为 GLM-5.3-Flash：约 320B 总参、激活约 18B，能力强，对普通人谈本地部署基本没意义。街机里谁把谁打趴，改变不了这些事实。
Vibe Gaming 接在 Vibe Coding 后面
以前一个逗比点子，笑完就没了。现在可以把句子丢给 Gear Zero：我要一只 Qwen 熊狠狠干 GLM 牛。它先把规则补全，再写逻辑、摆场景、加技能。Alaya Lab 把产品写成专门干游戏开发的 Agent，人负责说清楚想玩什么，实现细节交给它。
这和在编辑器里让 Codex 写仓库不是同一层。Vibe Coding 交付的是代码和测试；Vibe Gaming 交付的是能在浏览器里按键的一局。首版往往粗糙：判定飘、连招虚、随机事件像彩蛋。能玩，不等于能当作品发行，更不等于替代基准测试。
这种脑洞适合写成怎样的一句话
- 点名双方外形和武器，避免只说「两个大模型打架」
- 写死胜负：血条打空、击飞出屏，还是限时内伤害更高
- 限制地图：一条横版街、两个平台，比开放世界更容易一次做完
- 随机事件给上限，例如每三十秒只掉一种道具
- 验收只看「能开局、能受伤、能分出胜负」，不要把爆款写进提示词
玩完再决定要不要当真
| 你看到的 | 它实际证明了什么 | 它证明不了什么 |
|---|---|---|
| 熊把牛打趴 | 战斗循环能跑通 | Qwen 比 GLM 更强 |
| 一行代码没写 | 自然语言可以驱动出原型 | 不需要人验收手感 |
| 技能和随机事件齐全 | Agent 会主动补玩法零件 | 数值已经平衡 |
| 评论区互相丢作品 | 分享链接降低试玩成本 | 批量开会话就能出爆款 |
Gear Zero 创建通常要登录，构建有每日额度。把「有问题自己解决直到交付」丢给另一个编码智能体去盯页面，可以减少你点按钮的次数，也会在额度耗尽、登录过期时空转。更稳的做法是人负责选题和胜负规则，机器负责出第一版，再人工打两局看连招虚不虚。
模型之争还会继续用基准、本地部署和价格说话。街机只负责把争论变成能转发的一局。你也可以注册后做一个自己的对打，把链接丢给别人玩；玩之前先分清：这是作品演示，不是排行榜。
