Qwen3.8-Flash-Next 宇宙街机随拍生成游戏测试
摘要
本文详述了在本地 Intel V620 GPU 上测试运行 Qwen3.8-Flash-Next AI 模型的实践,使用 OMP 工具链,模型依据一个粗略的提示词在约3小时内生成了一款3D游戏。
为了测试其能力,我们本地运行了 Qwen3.8-Flash-Next Intel Autoround W4A16(搭载在4张V620上),实现了约2k预填充和70毫秒解码延迟。测试耗时约3小时。我们使用了 OMP 工具链(我认为这带来了显著的效率提升)。大部分时间里,模型同时运行两个浏览器环境,进行测试与修复。我们提供了可能最粗略的提示词:“创建一个游戏,其中一名太空旅行者在太空中遭遇向他射击的敌人和需要躲避的小行星。他拥有一把用于射击敌人和小行星的爆能枪。太空旅行者穿着太空服,乘坐火箭飞行。游戏应高度逼真、细节丰富,并使用 HTML 和 JS(可使用任意库)实现。打造一款照片级真实的3D游戏。” 当然,始终需要运行浏览器来调试和修复问题。
相似文章
Qwen 3.8 Flash Next 可以构建有趣游戏
一位用户分享了他们使用具有256k上下文窗口的Qwen 3.8 Flash Next AI模型构建有趣FPS游戏的经验,展示了其在辅助游戏开发方面的能力。
仅用两个提示制作这个游戏:Q4与Qwen 3.8表现出色
一位用户仅用两个提示,使用在llama.cpp上以Q4量化的Qwen 3.8 AI模型,并配合双RTX 3060 GPU,创建了一个简单游戏,展示了在内存限制下令人印象深刻的AI辅助编程。
@sudoingX:更新:Qwen 3.6 27b dense q4 在单张 3090 上一次生成了 Octopus Invaders 游戏。Hermes Agent 驱动了整个事…
用户基准测试表明,Qwen 3.6 27B dense 模型(Q4 量化)能够在单张 RTX 3090 上通过单次提示自主生成一个完全可玩的多文件游戏,性能显著优于其前代版本,且无需任何人工干预。测试结果突显了在消费级硬件上本地代码生成和智能体能力方面的重大改进。
Qwen 3.8 27b (Q4KM) 一次生成超级马里奥克隆游戏
一位用户展示了使用LLAMA.cpp,Qwen 3.8 27b AI模型能在单次提示下生成一个完全独立的超级马里奥克隆游戏,在Windows PC和Macbook M5 Air上用时117分钟完成该任务。
昨天用一台NVIDIA DGX Spark,搭配Qwen3.8-Flash-Next(NVFP4,262K上下文)搭建的项目
一位开发者在单台NVIDIA DGX Spark上,使用Qwen3.8-Flash-Next模型在8小时内构建了一个项目,生成了约1万行代码,并消耗了80万token。