Stefan 3D AI 用近 38 億 Token 讓 GPT-6 做遊戲，最後還是得靠人的技術

Unreal 原型功能更多，品質問題也更集中

另一個 Unreal Engine 5 專案使用約 25 億 Token，經過四天持續下提示詞，做出可駕車、射擊、游泳、觸發警方追捕、破壞車輛，也能走進部分建築物的城市原型。GPT-6 對空間安排和室內擺設的處理較穩定，麵包店、商店與可進入的一樓都已具備基本結構。

車輛同時顯示生成品質與互動需求的衝突。直接生成完整 3D 車模，外觀可能比較完整，卻沒有可分離的車門與零件，無法支援上下車和破壞機制；改用可互動的程序化車輛後，功能保住了，外觀與上下車動畫卻明顯粗糙。影片後來以動作參考影片改善上下車，再透過現成函式庫轉成可用動作，但成品仍停在原型階段。

Token 數字不能直接換成實際帳單

兩個專案合計約 37.9 億 Token，但影片沒有提供輸入、快取輸入、輸出與工具呼叫的比例，也沒有說明這些 Token 是否全按 API 標準費率計價。OpenAI 目前列出的 GPT-6 Astra 標準價格為每百萬輸入 Token 10 美元、快取輸入 1 美元、輸出 50 美元；超過 27.2 萬輸入 Token 的請求還會套用更高費率。缺少用量拆分時，不能從總 Token 數推回一張可靠帳單。

片中能確定的現金估算只有外部生成資產：Unity 專案約 40 至 85 美元、最高抓 100 美元，Unreal 專案則約 100 美元；其中部分用量由贊助商額度支應。留言區有人依 API 價格推估更高成本，也有人質疑成品是否已達可販售標準；這些都指出同一個缺口：功能數量、Token 數與完成度不是同一個指標。

純提示能完成廣度，人的技術決定取捨

Stefan 的結論不是 GPT-6 無法做遊戲。兩個原型都在幾天內建立大量系統，包含武器、敵人、車輛、NPC、室內、音效與動畫；限制出現在品質一致性、修改速度和資產可互動性。當開發者只能描述問題、不能直接修正時，一個原本幾分鐘能調整的模型或場景，可能要用多輪提示和大量 Token 繞回來。

這次實驗顯示，GPT-6 適合擴大原型的功能範圍，但不能把開發經驗省略掉。知道先做 2D 概念驗證、判斷何時改用專用模型、保留車門等互動結構，以及辨認哪些細節值得手動處理，仍是成品能否跨過原型階段的條件。