像素游戏场景实测：国产模型观察力差距明显，交给 Opus 一小时完成
作者用 PixelLab MCP 做像素游戏场景，国产模型反复犯围栏错位、素材方向不对的低级视觉错误，handoff 给 Opus 后一小时就搞定了。做 AI 游戏开发或图像工作流的人应该看看，省钱和省时间怎么权衡这篇给了很具体的参考。
作者用国内某顶尖模型复刻一张像素风游戏场景参考图，并购买了 PixelLab 的 MCP 让模型自主生成素材、摆放、合成场景。折腾半天后，模型始终无法识别围栏错位、素材方向错误等人类一眼能看出的问题，反复在同样的错误里打转。
随后作者让它 handoff 给 Claude Opus，抹掉当前实现、只保留已生成的素材。Opus 用了大约一小时就完成了整个场景，细节大体正确，对画面的观察非常细致。作者据此判断，写代码层面国产模型和顶尖模型差距不大，但视觉观察和空间理解能力的差距在游戏美术场景中被明显放大。
对做 AI 辅助游戏开发或多模态工作流的开发者来说，这篇经验的价值在于：素材生成可以交给便宜模型，最终合成和视觉校验环节值得直接上顶级模型，用 handoff 方式切换能省下大量时间成本。
今天尝试做一个像素风的游戏场景，写代码看不出国内模型和顶尖模型有多大差距，但是游戏场景感觉差距太大了，我用国内某顶尖模型去复刻一张参考图，并且买了 PixelLab的 mcp，让它自己去生成素材并且合理摆放，实现参考图的效果，折腾了半天，我发现它观察图片的能力很差，无法识别出围栏是否错位 方向是否正确等人类观察显而易见的问题，不停在错误中打转，在我连续尝试很久以后，让它 handoff 给 Opus 继续，把当前实现全部抹掉 只保留素材。 让我非常意外的是，只用了一个小时左右，就全部完成了，细节大体都没问题，观察非常入微。 真的 有能力还是直接上顶级模型 能为你节省非常多的时间成本 并且让你心情好很多📊 4 ⚡
This report is categorized under AITOP's "How-to" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include PixelLab, Opus, Claude, MCP/工具.
Source attribution: curated from Viking (@vikingmute).
