模型标签是短名称：没有提供商前缀、日期或 effort 后缀。完整的请求 id 和实际 id 保留在 Run data 下。当两张卡片共享同一个标签时，如果某张卡片请求的是不同的模型，会在标题下注明。统计数据是来自 harness 转录的墙钟时间和 token 计数（在可用的情况下）。Phase 2 条目使用指向 OpenRouter 的 Claude Code。Phase 3 条目使用带 Gemini 的 Antigravity。Grok Bot 条目是在聊天中根据同一个简短提示写成的（没有偷看）。gpt-6 Codex 卡片是 API-key 重跑。其成本是将 OpenAI 公布的 Standard 费率卡应用于捕获的响应用量。Cursor Cloud 成本（在填写的情况下）是仪表盘 chargedCents 的总和。HTML 大小是所提供条目文件的大小。破折号表示该次运行没有记录该数字。
AI模型发布/更新09/29 06:4363
Pac-Bench：让各家模型一次性写出吃豆人游戏
原题：Show HN: Pac-Bench – How well can models one-shot a Pac-Man game?
开发者 jonclegg 发布 Pac-Bench，用同一个简短提示词让不同模型一次性生成可玩的 Pac-Man 游戏，并对比结果。测试分阶段进行：Phase 2 用 Claude Code 接 OpenRouter，Phase 3 用 Antigravity 配 Gemini，Grok Bot 在对话内直接生成，gpt-6 Codex 为 API key 重跑。统计包含墙钟时间、token 数、HTML 文件大小和费用，费用按 OpenAI 标准价目表或 Cursor 后台 chargedCents 计算。原文未给出各模型的具体得分与排名。
推荐理由想比较各模型一次性写代码能力的，可直接看这个可复现的横向测试
本文内容转载自 Hacker News Show，由 AI（deepseek-chat）翻译整理，版权归原作者所有。
阅读原文 ↗ https://jonclegg.github.io/pacman-bakeoff1 个独立信源
- Show HN: Pac-Bench – How well can models one-shot a Pac-Man game?
Hacker News Show · 09/29 06:43 · 热度 78 · 已取全文
标题与摘要由 AI（deepseek-chat）改写，可能有误，以原文为准。
相关条目
- LangChain 如何构建付费媒体 Agent10/29 05:40
- LangChain：Managed Deep Agents 超 70% 运行来自定时任务10/29 01:28
- LangChain 用 OpenWiki 做 Agent 记忆层，准确率提升 5 倍10/29 01:28
- MiniMax 开源 MCode Stack：15 个编码 Agent 技能10/29 01:20
- SlideBySide：上传幻灯片共享链接，无需共享屏幕10/29 01:07
- Google 开放 Connected Apps 平台，开发者可向 Gemini 和搜索提交应用10/29 01:00