Gemini 4 Argon 做游戏：一句提示词，19 项按键实测

用 Gemini 4 Argon 做游戏的演示视频，不管跳跃键灵不灵，看起来都一样。视频只能证明画面渲染出来了，证明不了玩家手速快过一帧时会怎样、切走标签页再回来会不会瞬移、死了按 R 能不能重开。可这些恰恰是「游戏」和「动画」的分界线。

所以这篇分两步走。先把 SandBase Lab 发布周合集里 48 条游戏帖过一遍，看大家用 Argon 做了什么、自己声称了什么；再自己动手：通过 SandBase 调 google/gemini-4-argon，一句提示词生成单文件 canvas 游戏，在无头 Chrome 里用真实按键跑 19 项检查，发现 bug 后发一次修复提示词，最后对账单。适合想靠提示词快速出可玩原型、又想知道分享链接前该查什么的开发者。

先说结论

• 一句提示词生成的游戏是一个 23 KB 的单 HTML 文件，打开零报错，首版 19 项检查过了 18 项：移动、边界、暂停、帧间隔钳制、计分、生命、结束、重开、最高分持久化都没问题。
• 唯一的失败出在输入时序：按下和松开发生在同一帧之内的空格「秒按」会被吞掉，10 次一次都没跳。原因是跳跃靠逐帧轮询「当前按住的键」。发一段修复说明后，模型只改了约 10 行，19 项全过。
• 两次调用合计约 2 分钟，SandBase 实扣 0.390808 美元（每百万 token 输入 4 美元、输出 20 美元）。同样的 token 按 Google 目前 2 / 10 美元的推广价算，约 0.195 美元。
• 48 条游戏帖里有 20 条是同题多模型对比。创作者自报的成本从 1.16 美元到 54.41 美元不等，差距主要来自 agent 工具反复重发上下文，而不是单价。这些数字我们都没有核实。

48 条 Gemini 4 Argon 游戏帖里有什么

SandBase Lab 收录了 2026 年 10 月 13、14 日两天 X 上公开发布的 264 条 Gemini 4 Argon 作品视频（合集页，数据同步于 2026-10-14T16:29:53Z），其中 48 条归为 game。这 48 条一共拿到 5,054 个赞、约 51.2 万次浏览，点赞中位数 20，视频时长中位数约 36 秒，只有 10 条附了提示词。下文都是创作者自己的说法，我们没跑过他们的游戏，也没核对过数字。

按「游戏对代码提了什么要求」来分：

类型	例子（注明作者）	对代码的要求
竞速、飞行	@genevieve__h 用桌面照片生成的赛车游戏（@googledevs 发布）、@aniketjart 的无人机竞速 Heatsink、@chasen_liao 的卡丁车、@exploraX_ 的二战战斗机	连续转向输入、镜头跟随、碰撞
休闲街机	@ivanainai 的 3D Flappy Bird、@doe_naps 的软糖弹跳、@nex_ify 的 Jelly Jet Takeoff	点按时机、计分、重开循环
物理沙盒	@burhansebin 的过山车搭建器、@procesor_x 的连锁反应机关	鼠标拖拽、模拟步进
棋牌、策略	@soumyadesign 的 WebGL 麻将、@realbrucemartin 的 roguelike 卡牌、@remoteugur 的文明演化模拟	回合状态、规则、多界面切换
体素、开放世界	@jerrod_lew 带天气系统的体素世界、@fawnunwrap 的「谁先到下界」	世界状态、方块放置
特殊输入	@chongdashu 的多人夺旗、@venturetwins 改超任汇编做新关卡、@0xVibeDino 用冥想头环控制的游戏	联网、ROM 工具链、蓝牙

至少 27 条在标题或正文里提到 3D、Three.js、WebGL 或体素。操作方式就很少有人写了，提到输入的只有寥寥几条（拖拽、点击、手机上滑、头环）。所以从合集里能看出游戏长什么样，看不出输入处理靠不靠谱。

对比视频怎么看

48 条里有 20 条是同一提示词下 Argon 和别的模型并排比。正文点名的对手：Claude Opus 5.5 出现 10 次，Muse Wonder 8 次，GPT-6 Astra 3 次，GPT-6.1 Sol 2 次，SWE-2 Max 1 次。点赞最高的游戏帖就是一条对比：@universalmodhq 的 Argon vs Muse Wonder，2,089 赞。对比帖点赞中位数 28.5，单独展示的是 19；不过两组只有 20 条和 28 条，这个差距说明不了什么（中位数置换检验 p ≈ 0.10）。

这些都只是某个人的一次运行。提示词常常不公开，工具五花八门（Antigravity、Cursor、Devin、JetBrains、AI Studio、Gemini App 都有），也没人在同一套检查下把两个游戏都玩一遍。@xueyu1125 就拿一条对比视频公开的 boss 战提示词在 Devin 里重跑，说效果远达不到视频里的水平，还质疑那条视频的真实性。这事我们判断不了，但它提醒了一点：视频不等于可复现的结果。

成本数字是这批帖子里最有参考价值的，因为差得实在太多：

创作者自述（未核实）	工具	自报成本与耗时
@wikiwayne：7 个游戏一次成型，「7/7、零修改」	未说明	1.34 美元，约 6 分钟，13.2 万输出 token
@nex_ify：一句话做出 Jelly Jet Takeoff	未说明	1.16 美元，11 分 6 秒
@realbrucemartin：单 HTML 的 roguelike 卡牌	Devin	约 1.75 美元（Devin 内 75% 折扣），56 分钟，输入 650 万 / 输出 10.9 万
@universalmodhq：Argon vs Muse Wonder	未说明	Argon 29.71 美元，Muse Wonder 3.45 美元
@jetbrains：蛛丝摆荡送货游戏，两个 agent	JetBrains	Argon 54.41 美元、23 分钟；Opus 5.5 56.97 美元、2 小时 20 分

Lab 详情页原样展示了 @wikiwayne 的说法，并注明作者没有公开具体提示词（2026-10-14 UTC 截取）。

看 realbrucemartin 那行：输入 650 万 token，输出才 10.9 万。agent 每一轮都把上下文重发一遍，输入费就被反复计算。wikiwayne 的 1.34 美元，大致就是 13.2 万输出 token 按 Google 每百万 10 美元推广价的价钱。游戏各不相同，谈不上严格对比，但同一个模型成本差 40 倍，主要是工具链造成的，不是价目表。我们的测试刻意放在便宜那一头：一次请求、一个文件、没有 agent 循环。

实测：一句提示词，一个 HTML 文件

提示词要的是「Lantern Drift」：玩家操控一盏纸灯笼沿夜晚的河面移动，接住萤火虫加 10 分，躲开掉落的火星，3 条命，难度慢慢上升。选 2D canvas 而不是 3D，是因为这次想考的是游戏循环和输入，不是渲染（渲染那部分见 Three.js 3D 场景实测）。提示词把游戏必须有、演示可以没有的东西都写明了：

• 四个状态：title、playing、paused、gameover
• 方向键或 A/D 移动，空格跳，回车或空格开始，P 暂停，R 重开
• requestAnimationFrame 加帧间隔（delta time），并且要钳制上限，防止切回标签页时物体瞬移
• 用 keydown/keyup 维护按键集合，方向键和空格要 preventDefault，别让页面滚动
• 受伤后 1 秒闪烁无敌，最高分存 localStorage
• 一个只读测试钩子 window.__game.getState()，返回状态、分数、生命、最高分、玩家坐标、实体列表和帧计数

测试只读这个钩子，所有操作都走真实键盘事件。

请求发出时间 2026-10-14 18:58:29 UTC：

{
  "model": "google/gemini-4-argon",
  "max_tokens": 32000,
  "messages": [{"role": "user", "content": "Build a complete, playable browser game called \"Lantern Drift\" in ONE self-contained HTML file ... Return only the HTML file in a single ```html code block."}]
}

完整提示词 22 行，约 290 个英文单词。推理强度、temperature、seed 都用默认值，接口是 POST https://api.sandbase.ai/v1/chat/completions（调用指南）。返回（节选）：

{"id": "25144395-ad80-48e6-9119-8efe4096de23",
 "choices": [{"finish_reason": "stop", "message": {"content": "```html\n<!DOCTYPE html>\n<html lang=\"en\"> ..."}}],
 "usage": {"prompt_tokens": 438, "completion_tokens": 8762,
           "completion_tokens_details": {"reasoning_tokens": 0}, "total_tokens": 9200}}

63.0 秒返回，一个 848 行、23,077 字符的 HTML 文件，代码块外一个字都没多说。GET /v1/tasks/<id>/cost 实扣 0.176992 美元，正好等于 438 × 4/M + 8,762 × 20/M。usage 里推理 token 为 0；模型是不是推理了但没上报，从外面看不出来。

怎么测：19 项检查，全用真实按键

测试脚本用 Node 加 playwright-core，驱动本机无头 Chrome，视口 1280×800，记录所有 console 消息和页面报错，然后按这个流程走：

load file ──> title? ──Enter──> playing ──> frames advancing?
   │                                  ├─ hold Right / A ──> x changes, stays inside canvas
   │                                  ├─ Space held 100 ms, then 10 instant taps ──> hops?
   │                                  ├─ freeze main thread 2 s with Right held ──> no teleport?
   │                                  ├─ P ──> frames and entities frozen, input ignored ──> P resumes
   │                                  └─ play on until lives = 0 ──> gameover, best saved
   └─ R ──> score 0, lives 3 ──> reload page ──> best still there ──> zero console errors?

有两项是截图永远查不出来的。「秒按」把 keydown 和 keyup 连着发，两者都落在两帧之间，相当于掉帧时的一次快速点按。「卡顿」则在按住右键的同时把主线程堵 2 秒：如果帧间隔没钳制，灯笼会按每秒 320 像素一下窜出约 640 像素。

秒按检查的核心逻辑（从脚本简化）：

// Read-only probe: count how many of 10 instant Space taps make the lantern leave the water.
async function countHops(page, taps = 10) {
  const y = () => page.evaluate(() => window.__game.getState().player.y);
  let hits = 0;
  for (let i = 0; i < taps; i++) {
    const y0 = await y();
    await page.keyboard.down('Space');
    await page.keyboard.up('Space');            // released before the next frame
    let minY = y0;
    for (let k = 0; k < 8; k++) {               // sample ~240 ms of flight
      await new Promise((r) => setTimeout(r, 30));
      minY = Math.min(minY, await y());
    }
    if (minY < y0 - 10) hits++;
    await new Promise((r) => setTimeout(r, 1100)); // wait to land
  }
  return hits;
}

修复版在按下空格 230 毫秒后的画面：跳跃、水花和实时 HUD 全部来自 Argon 生成、我们没动过的文件（2026-10-14，2 倍截图）。

第一版哪里翻车了

18 项通过。循环稳定 60 fps，灯笼在 800 像素宽的画布上停在 x=20 和 780，暂停时帧计数和所有实体都冻住，2 秒卡顿后灯笼只挪了 21 像素而不是 640。生命 3、2、1、0 依次减少，最高分写进 localStorage，刷新后还在。没有任何报错或警告。

失败的那项：按住空格 100 毫秒每次都能跳，秒按 10 次一次没跳。换几个按住时长一试，原因就清楚了：0 毫秒 10 次跳 1 次，5 毫秒跳 3 次，30 毫秒和 100 毫秒都是 10 次全跳。代码只在 update() 里查 keys.has('Space')，按下又松开都发生在两帧之间的话，update 根本看不到。

正常人按键一般超过 16 毫秒，稳定 60 fps 时很少碰上。可一旦掉到 30 fps，一帧就是 33 毫秒，快速点按开始漏，而「偶尔不听使唤的跳跃」正是玩家最记仇的那种 bug。

写修复提示词时，我们顺手加了两条之前没测的约束。后来补测发现第一版两条都不满足：在标题页按空格开始游戏，第一帧还会顺带跳一下；按住空格不放会连续自动跳（2.4 秒跳了 3 次）。

一次修复

修复提示词是一份 bug 报告，不是补丁：哪些通过了、怎么复现（秒按 10 次 0 跳）、原因（轮询按键集合）、期望行为。游戏进行中每次空格 keydown，只要灯笼在水面上就跳；按住不自动连跳；标题页的空格只负责开始；「其他一律别动」。发送内容是原提示词、第一版文件（作为 assistant 回复）、再加这份报告。

第二次调用在 2026-10-14 19:05:11 UTC，耗时 57.3 秒，输入 9,429、输出 8,805 token，扣费 0.213816 美元。Argon 按要求整份重写，但和第一版 diff 一下，只改了约 10 行：加一个 jumpQueued 标记，在新的 keydown（忽略 e.repeat）时置位，在 update() 里消费，开局时清零。其余一行没碰。

测试脚本输出整理成的表：两版只差秒按这一项；耗时和费用来自两次调用及其 /v1/tasks/<id>/cost 记录。

第二版 19 项全过，秒按 10 次跳 10 次。补测也确认那两个小毛病没了：标题页按空格只开始不起跳，按住空格 2.4 秒不再连跳。

这个结束画面是真玩出来的，不是走捷径：测试脚本左右来回移动时生命耗尽，之后按 R，分数归 0、生命回到 3（2026-10-14）。

花了多少钱

调用	耗时	输入 / 输出 token	SandBase 实扣	按 Google 2 / 10 美元推广价
v1，一句提示词	63.0 秒	438 / 8,762	0.176992 美元	0.0885 美元
v2，修复提示词	57.3 秒	9,429 / 8,805	0.213816 美元	0.1069 美元
合计	120.3 秒	9,867 / 17,567	0.390808 美元	0.1954 美元

SandBase 上 Argon 的标价是每百万 token 输入 4 美元、输出 20 美元，也就是 Google 推广期（截至 2026 年 11 月 30 日）结束后的标准价，目前是 Google 直连推广价的两倍。第一版账单约 99% 是输出费。修复那次更贵，因为要把第一版整份文件当输入重发。缓存和 12 月 1 日调价的影响，见 Gemini 4 Argon 价格指南。

SandBase 的 Gemini 4 Argon 模型页：4 / 20 美元的单价就是我们账单的依据；单次最大输出 65.5K，远高于这个游戏用掉的 8.8K（2026-10-14 UTC 截取）。

这个体量下，每多修一轮大约再花 0.21 美元，因为模型每次都整份重写。游戏大 5 倍，单次输出费也大致翻 5 倍；而且 SandBase 上单次回复最多 65.5K 输出 token。让模型只返回 diff 应该能省输出费，这一点我们没测。

做可玩游戏的提示词套路

这次之所以好测，靠的是提示词写法：

1. 把状态列出来。 写明 title、playing、paused、gameover，拿到的就是状态机，而不是只知道「运行中」的循环。
2. 逐个状态写清每个键的作用。 输入 bug 都藏在缝里，比如空格在标题页是「开始」、进了游戏是「跳」。
3. 要求边沿触发。 写上「每次 keydown 恰好跳一次，即使在下一帧之前就松开」。我们没写，于是正好撞上这个 bug。
4. 要求帧间隔钳制和 preventDefault。 Argon 第一版就做到了；缺了它们，切标签瞬移和页面乱滚通常是最先被吐槽的。
5. 要一个只读测试钩子。 一个 getter，就能把「视频里看着没问题」变成「出问题会大声报错」的检查。
6. 修复时写 bug 报告。 复现步骤、实际结果、期望结果、「其他别动」。这次换来的是 10 行 diff，而不是推倒重来。

想看从创作者公开提示词里总结的完整写法，见 Gemini 4 Argon 提示词指南。如果关心关卡推进和碰撞这类更难的逻辑，之前的 GPT-6 Astra 与 Claude Fable 5.1 3D 游戏实测 用的也是测试钩子思路。

常见问题

Gemini 4 Argon 一句提示词能做出可玩的游戏吗？

我们这次可以，但有个前提：第一版 19 项过 18 项，漏了快速点按空格；一次修复后 19 项全过。一个提示词、一种玩法、一次运行，只能当例子，不能当成功率。

用 Gemini 4 Argon 做一个游戏要花多少钱？

我们这个 23 KB 的 canvas 游戏在 SandBase 上首次 0.177 美元、修复 0.214 美元，合计 0.39 美元。创作者自报 1.16 到 54.41 美元，多数是在会反复重发上下文的 agent 工具里跑的，那是他们的数字。

第一版为什么会漏掉跳跃？

它每帧检查空格是否「正被按着」，按下和松开都发生在两帧之间的点按就永远看不到。修复办法是把每次 keydown 记成一次性事件，留到下一次 update 消费。

对比视频能说明哪个模型做游戏更强吗？

不能。每条都是某个创作者的一次运行，往往没有提示词，工具也不同，没人在同一套检查下把两个游戏都玩过。

怎么自动测试 AI 生成的游戏？

让模型提供只读的状态 getter，用 Playwright 在无头 Chrome 里打开，发真实按键，再对状态做断言。一定要加「秒按」和「主线程卡顿」两项，截图查不出的时序 bug 靠它们抓。

测试边界

一个提示词、一种 2D canvas 玩法、每版各跑一次、模型参数全默认，时间 2026-10-14 UTC。只在 Mac 上的无头 Chrome、60 fps 下测过：没测 Firefox、Safari、触屏、手柄、其他刷新率、音频和无障碍。这里的「可玩」只表示指定的操作和状态都正常，不代表好玩。创作者帖子均为自述，我们没有复现。Argon 在独立榜单上的位置，见 Gemini 4 Argon 跑分排名；各类别最受欢迎的作品，见 Gemini 4 Argon 作品精选。