用人人看得懂的一句话任务,
评测 模型 × harness 的 agent 实战能力
别的榜单给你看分数,我们让你亲手玩到成品。同一句 prompt,9 个 agent 组合各自全自动交付一个马里奥式小游戏,好坏上手见分晓。
成品可玩
协议公开
盲投排名 · 本地体验版已开放
▶ 立即试玩 9 个马里奥
9
参赛「模型 × harness」组合
1 上线 · 7 筹备
赛道
1 句话
原始 prompt,逐字公开
敬请期待
累计盲投(全网榜待上线)
Tracks
赛道一览
每条赛道 = 一句普通人 10 秒看懂的任务 × 全部参赛 agent 组合。成品能在网页里直接看、直接玩,才有资格上榜。
LIVE
🎮
一句话马里奥
单 prompt,agent 造可玩平台游戏,直接开玩
COMING SOON
⚽
弹球万花筒
经典「旋转多边形弹球」物理题,挂机观赏,穿墙即社死
COMING SOON
🦢
鹈鹕进化论
agent 看渲染图自我迭代 SVG,v1→vN 逐帧进化条,对比零样本
COMING SOON
🐍
贪吃蛇自对弈
agent 写贪吃蛇再写 AI 玩自己的游戏,9 条 AI 蛇同屏自玩竞速
COMING SOON
🎹
一句话合成器
agent 用 Web Audio 造合成器并演奏原创曲,盲听 A/B
COMING SOON
🧬
像素生物动画
canvas 画一只会呼吸、走路的像素生物,「生物园」全员同屏
COMING SOON
🌆
一句话造城
three.js 一句话生成可漫游 3D 场景,网页里开车、步行逛
COMING SOON
🆚
造 vs 玩 联动赛
A 家造的马里奥让 B 家来玩,9×9 通关率热力图,「自己造的自己都玩不过去」名场面
Leaderboard
🎮 一句话马里奥 · 静态检查榜
对 9 个成品的代码做纯静态检查(不运行、不打分「好玩」),得到的透明副榜。
静态检查分
按分数降序 · 榜首(含并列)以橙色标出 · 单位:分(满分 100)
| # | 代号 | 静态分 | 音效 | 触屏 | 存档 | README | 体积 |
|---|
脚注:静态检查分仅反映代码静态特征(能否加载、有无音效等),不代表好玩程度;正式 Elo 排名待全网盲投上线。评分公式:
触屏判定说明:9 个成品无一使用 touchstart 字面量,其中 6 个使用 Pointer Events 的 pointerdown 监听(同样覆盖触屏),一并计入。参赛名称为内部代号,正式「模型 × harness」对照表待补,补齐前页面如实显示代号。
Methodology
方法论
rigor 只保底线:prompt 存档、目录只读、协议公开、双盲投票。其余为趣味让路。
「帮我生成一个马里奥小游戏」 原始 prompt 逐字原文,单 prompt 简单粗暴,已由用户确认存档(2026-07-10)
协议要点
- 所有参赛者收到逐字相同的同一句 prompt;
- agent 全自动规划、写码、迭代,人不碰键盘;
- 成品零人工修改,发现 bug 也不修,页面如实展示;
- 成品目录只读,评测可信度全靠这一条铁律。
如实披露
- 马里奥赛道跑于协议规范建立之前:各 harness 的具体版本与迭代轮数当时未存档,无法追溯;
- 自下一条赛道(弹球万花筒)起,协议先行:prompt、迭代规则、harness 版本、日期全部先存档再开跑;
- 9 个参赛名称为内部代号,正式「模型 × harness」对照表待补。