4.5亿Token做出的3D动作游戏，换DeepSeek还能再来一次吗

歸藏在X上贴了一个浏览器游戏《雾锁山门》，点开链接就能玩。 WASD移动，左键出剑，右键格挡，空格闪避。文件只有一个HTML，30兆。按他的说法，模型、场景设计、动作设计和优化都由Fable 5.2完成，时间是一下午。试玩链接：https://op7418.github.io/guizang-game-skill/

素材里先写45亿token，他在回复里更正为4.5亿。优化部分更具体：原始素材加起来100多兆，压到30兆，质量没怎么降。流程里用了Tripo和即梦CLI，让模型自己生成设定图、3D模型，再做动作绑定。回复里的视频展示了动作和场景。

过程并非one-shot。他回复说中间改了很多轮，参考了别人用AI做游戏的经验，还写了一个skill。skill会先问清需求，再调研工具，之后推进画面、自检、核对。动作游戏的战斗手法、打击手感、优化都写进skill，另有一份易出问题清单，重点之一是怎么把大体积打包小还不影响游玩。GitHub链接：https://github.com/op7418/guizang-game-skill

然后他发问：能不能用自己的skill和DeepSeek Harness复刻Fable 5.2的成功。DeepSeek Harness可以粗略理解为让DeepSeek模型接上工具去跑长任务。评论区先吵起来。Michael Anti直接回“应该不能”，歸藏回得也直接，说够呛。有网友说DeepSeek的3D能力没朝这个方向优化；有人建议加对照组，同一套skill在Fable上再跑一遍，否则分不清功劳；有人关心4.5亿token的账单能不能砍到一顿火锅钱；有人只想看翻车那步。也有网友猜能做出七八成，差在中间反复否版时的判断，skill写不进去。

回复里还有人贴了更多Fable 5.2做的浏览器游戏，枪战、赛车都有。这类尝试不止一个样本，但复刻要看的不是单次效果，是长任务里会不会跑偏，遇到画面和手感问题能不能自己收回来。

评论区也有人把群友头像叠起来，气氛像开盘下注。真跑通，价值不只在省账单，还在验证skill能带走多少经验。跑不通，也能看出哪些判断还得人给，哪些流程已经能固化。DeepSeek Harness这组对照值得等结果。