三款AI模型同台实测：Step 5、DeepSeek V4 Pro、GLM5.3谁更适合做3D游戏开发-北京尧图网络

1. 三款模型同台做3D游戏我为什么选这个题最近这段时间AI编程工具圈子里最热闹的事情莫过于几个头部模型在代码生成能力上的正面交锋。Step 5 Preview、DeepSeek V4 Pro、GLM5.3 这三个名字频繁出现在各种讨论里有人说这个写前端更稳有人说那个逻辑推理更强还有人专门拿它们做同一道题来对比。我平时就喜欢折腾这类实测与其看别人转述不如自己上手跑一遍。这次我选的项目是做一个3D游戏。为什么选3D游戏而不是常见的待办清单或者博客系统因为3D游戏这个场景足够复杂它能同时考验模型对图形渲染管线、场景图管理、物理碰撞、输入事件处理、资源加载等多个子系统的理解能力。一个模型如果只会写CRUD接口做3D游戏的时候很容易露怯。而且3D游戏有一个好处就是跑起来之后视觉效果非常直观谁写的有问题一眼就能看出来。我用的开发环境是 WorkBuddy 工作台配合它的自定义指令和跨对话记忆能力来管理整个项目。WorkBuddy 这个工具最近热度很高从入门教程到私有化部署的讨论都很多我实际用下来觉得它最大的价值在于能把多个模型的输出统一管理起来不用在几个网页之间来回切换。这篇文章我会把整个实测过程完整记录下来包括每个模型的表现、踩过的坑、以及我总结出来的一些实操经验。不管你是刚接触AI编程的新手还是已经在用这类工具做项目的老手应该都能从中找到有用的东西。2. 三个模型的基本盘与选型逻辑2.1 为什么是这三个模型先说说我为什么选这三个模型来做对比。Step 5 Preview 是最近刚放出来的预览版本社区里讨论度很高很多人说它在代码结构组织上有明显进步。DeepSeek V4 Pro 是 DeepSeek 系列目前的主力版本在代码生成任务上一直有不错的口碑尤其是复杂逻辑推理方面。GLM5.3 则是智谱这边的新版本在中文语境下的代码注释和文档生成上有优势。这三个模型代表了三种不同的技术路线和训练侧重放在一起对比能看出很多有意思的差异。而且它们目前都可以通过 WorkBuddy 工作台接入不需要单独配置环境这对做横向对比来说非常方便。提示做模型对比测试的时候一定要控制变量。同一个提示词、同一个运行环境、同一个验收标准否则对比结果没有参考价值。2.2 3D游戏这个任务到底难在哪很多人可能觉得让AI写个3D游戏不就是生成一堆代码吗实际上远没有这么简单。3D游戏开发涉及的知识面非常广我把它拆成几个核心难点场景图管理3D场景里的物体有父子关系旋转、缩放、位移会沿着层级传递模型需要理解矩阵变换和坐标系转换。渲染管线从顶点数据到最终像素中间要经过模型矩阵、视图矩阵、投影矩阵的变换还要处理光照、材质、纹理。物理与碰撞物体之间的碰撞检测、重力模拟、边界处理这些逻辑如果写错了游戏跑起来就会出现穿模或者卡死。输入与相机控制键盘鼠标事件如何映射到相机移动第一人称和第三人称的相机逻辑完全不同。资源加载与性能模型文件、纹理图片的异步加载以及帧率优化。我这次给三个模型的提示词是完全一样的要求它们用 Three.js 做一个第一人称视角的3D迷宫游戏包含WASD移动、鼠标视角控制、碰撞检测、以及一个简单的目标收集机制。选择 Three.js 是因为它是目前最成熟的Web 3D库文档齐全模型对它的理解也相对充分。2.3 WorkBuddy 工作台的配置要点在开始之前我先说一下 WorkBuddy 的配置。这个工具支持自定义指令我给它定了几条规则后续对所有任务都生效规则1所有代码必须包含中文注释关键算法要解释原理。规则2生成的代码必须可以直接运行不允许出现未定义的变量或函数。规则3如果使用了外部库必须在代码开头注明CDN地址和版本号。规则4每次修改代码后要说明改了什么、为什么改。这几条规则看起来简单但实际用起来效果很明显。尤其是规则2能过滤掉很多模型生成的“看起来对但跑不起来”的代码。WorkBuddy 的跨对话记忆功能也很实用我在一个对话里定义的场景结构在后续对话里它能记住不需要反复重复背景信息。关于 WorkBuddy 的系统缓存目录默认是在C盘的用户目录下。如果你的C盘空间紧张可以在设置里改到D盘。我实测下来一个中等规模的3D游戏项目缓存文件大概在200MB左右主要是模型生成的中间代码和依赖包。3. 第一轮实测基础场景搭建3.1 提示词设计与预期目标第一轮我给的提示词是这样的请用 Three.js 创建一个3D迷宫游戏的基础场景要求 1. 使用第一人称视角相机高度1.7米。 2. 迷宫墙壁用立方体表示墙壁高度3米厚度0.5米。 3. 地面用平面几何体带网格纹理。 4. 支持WASD键控制前后左右移动。 5. 鼠标移动控制视角旋转。 6. 代码可以直接在浏览器运行使用CDN引入Three.js。这个任务不算特别复杂但能看出模型对3D坐标系和相机控制的理解程度。我特别关注几个点相机的前方向向量是否正确、鼠标移动的灵敏度系数是否合理、以及移动逻辑是否考虑了相机的朝向。3.2 Step 5 Preview 的表现Step 5 Preview 生成的代码结构非常清晰它把整个游戏拆成了几个模块场景初始化、相机控制、输入处理、渲染循环。每个模块都有独立函数注释也很到位。让我印象比较深的是它对相机方向向量的处理。很多模型写第一人称移动的时候会直接用camera.position.x speed这种方式但这样写出来的移动是相对于世界坐标系的不是相对于相机朝向的。Step 5 Preview 正确地使用了相机的旋转矩阵来计算前方向和右方向// 根据相机朝向计算移动方向 const forward new THREE.Vector3(0, 0, -1).applyQuaternion(camera.quaternion); const right new THREE.Vector3(1, 0, 0).applyQuaternion(camera.quaternion); forward.y 0; // 限制在水平面移动 right.y 0; forward.normalize(); right.normalize();这段代码是正确的做法。applyQuaternion把方向向量从局部坐标系转换到世界坐标系然后通过把y分量设为0来限制水平移动最后归一化保证速度一致。这个细节很多模型会忽略。不过 Step 5 Preview 也有一个问题它生成的鼠标控制代码没有做边界限制鼠标上下移动的时候视角会翻转。这个问题在后续轮次我让它修复了。3.3 DeepSeek V4 Pro 的表现DeepSeek V4 Pro 生成的代码在逻辑上更严谨一些。它额外加了一个PointerLockControls的使用这是 Three.js 官方提供的鼠标锁定控制器比手动实现鼠标视角要稳定得多。import { PointerLockControls } from three/addons/controls/PointerLockControls.js; const controls new PointerLockControls(camera, document.body); document.addEventListener(click, () controls.lock());用PointerLockControls的好处是它自动处理了鼠标边界、视角翻转、以及指针锁定这些问题。DeepSeek V4 Pro 选择用官方控制器而不是自己造轮子说明它对 Three.js 的生态比较熟悉。但 DeepSeek V4 Pro 的代码有一个小问题它在移动逻辑里用了controls.moveForward和controls.moveRight这两个方法这两个方法确实存在但它们内部已经处理了速度和时间增量如果外面再乘一次速度就会导致移动过快。我实测的时候发现角色移动速度是预期的两倍多后来把外层的速度系数去掉才正常。3.4 GLM5.3 的表现GLM5.3 生成的代码注释是最详细的中文注释每一段逻辑都有解释对新手非常友好。它在场景搭建部分写得很规范墙壁的生成用了循环来创建迷宫布局而不是手动一个个摆。// 迷宫布局1表示墙壁0表示通道 const mazeLayout [ [1,1,1,1,1,1,1,1], [1,0,0,0,0,0,0,1], [1,0,1,1,0,1,0,1], [1,0,1,0,0,1,0,1], [1,0,0,0,1,1,0,1], [1,1,1,0,0,0,0,1], [1,1,1,1,1,1,1,1] ];用二维数组来表示迷宫布局然后遍历数组生成墙壁这个做法很聪明。后续如果要修改迷宫结构只需要改数组就行不需要动生成逻辑。GLM5.3 的问题在于它的鼠标控制代码用了camera.rotation.y - movementX * 0.002这种方式没有用四元数导致当视角上下旋转到极限位置时会出现万向节锁的问题。这个问题在简单场景下不明显但如果游戏里有复杂的相机运动就会暴露出来。3.5 第一轮对比小结对比项Step 5 PreviewDeepSeek V4 ProGLM5.3代码结构模块化清晰逻辑严谨注释详细相机控制手动实现方向向量正确使用官方控制器手动实现有万向节锁风险迷宫生成手动摆放手动摆放数组驱动易修改可运行性直接可跑需调整速度系数直接可跑中文注释有较简洁有偏技术有非常详细第一轮下来三个模型都能完成基础场景搭建但各有优劣。Step 5 Preview 在3D数学上最扎实DeepSeek V4 Pro 在工程实践上最成熟GLM5.3 在代码可读性上最好。4. 第二轮实测碰撞检测与物理逻辑4.1 碰撞检测为什么容易翻车碰撞检测是3D游戏里最容易出问题的部分。简单来说就是要判断玩家移动之后有没有撞到墙壁如果撞到了就不能穿过去。听起来简单但实现起来有很多细节玩家的碰撞体是一个圆柱体还是球体半径多少墙壁的碰撞体是轴对齐包围盒AABB还是需要精确的网格碰撞移动是逐帧检测还是用射线预测如果斜着撞墙是滑动还是直接停住我第二轮给三个模型的提示词是在现有代码基础上添加碰撞检测功能。要求 1. 玩家不能穿过墙壁。 2. 玩家沿着墙壁滑动时应该能顺畅移动而不是卡住。 3. 碰撞检测要考虑玩家的半径不能贴脸撞墙。 4. 使用射线检测或者包围盒检测说明选择理由。4.2 Step 5 Preview 的碰撞方案Step 5 Preview 选择了射线检测方案。它的思路是从玩家当前位置向移动方向发射一条射线如果射线与墙壁相交的距离小于移动距离就说明会撞墙然后把移动距离缩短到相交距离减去玩家半径。const raycaster new THREE.Raycaster(playerPosition, moveDirection, 0, moveDistance playerRadius); const intersects raycaster.intersectObjects(walls); if (intersects.length 0) { const distance intersects[0].distance - playerRadius; moveDistance Math.max(0, distance); }这个方案的好处是精确能处理任意形状的墙壁。但缺点是每帧要对每面墙做射线检测如果墙壁数量多的话性能会有影响。Step 5 Preview 也意识到了这个问题它加了一个优化只检测玩家附近的墙壁用距离筛选先过滤一遍。滑动处理方面Step 5 Preview 的做法是把移动向量分解成平行于墙壁和垂直于墙壁两个分量只保留平行分量。这个做法是正确的但实现起来稍微复杂一些。4.3 DeepSeek V4 Pro 的碰撞方案DeepSeek V4 Pro 选择了包围盒检测方案。它给每个墙壁生成一个Box3包围盒然后检测玩家移动后的位置是否与任何包围盒相交。const playerBox new THREE.Box3().setFromCenterAndSize( newPosition, new THREE.Vector3(playerRadius * 2, playerHeight, playerRadius * 2) ); for (const wall of walls) { const wallBox new THREE.Box3().setFromObject(wall); if (playerBox.intersectsBox(wallBox)) { // 碰撞处理 } }包围盒检测的优点是速度快适合大量物体的场景。缺点是精度不够对于斜着的墙壁或者不规则形状会有误差。不过在这个迷宫游戏里所有墙壁都是轴对齐的立方体包围盒检测完全够用。DeepSeek V4 Pro 的滑动处理比较巧妙它用了分轴检测的方式先尝试只移动X轴如果碰撞就回退X轴移动再尝试只移动Z轴如果碰撞就回退Z轴移动。这样自然就实现了沿墙滑动的效果。4.4 GLM5.3 的碰撞方案GLM5.3 也选择了包围盒检测但它的实现方式和 DeepSeek V4 Pro 不同。它是先计算移动后的位置然后检查这个位置是否在任何一个墙壁包围盒内部如果是就取消这次移动。const nextPosition player.position.clone().add(moveVector); let canMove true; for (const wall of walls) { if (wall.box.containsPoint(nextPosition)) { canMove false; break; } } if (canMove) { player.position.copy(nextPosition); }这个方案最简单但问题也很明显它只能检测点是否在包围盒内没有考虑玩家的半径。实际跑起来的时候玩家会贴脸撞墙视觉上就是相机穿进了墙壁里。而且它没有滑动处理斜着撞墙的时候会直接卡住体验很差。我在 WorkBuddy 里让 GLM5.3 修复这个问题它第二次生成的代码加了半径检测和分轴滑动但实现得比较粗糙滑动的时候会有抖动。4.5 碰撞检测的实操心得经过这一轮测试我总结了几条碰撞检测的实操经验注意碰撞检测的精度和性能是一对矛盾。精度越高计算量越大。选择方案的时候要根据场景特点来定不要盲目追求精确。如果场景里都是轴对齐的立方体包围盒检测足够用而且速度快。如果场景里有斜面或者曲面射线检测更合适。滑动处理一定要做否则玩家撞墙的时候会感觉被粘住。玩家半径不能太小否则会穿模也不能太大否则过窄的通道过不去。一般取0.3到0.5米比较合适。5. 第三轮实测目标收集与游戏循环5.1 游戏循环的设计要点一个完整的游戏需要一个游戏循环负责处理输入、更新状态、渲染画面。Three.js 提供了requestAnimationFrame来实现这个循环。但游戏循环里有很多细节需要注意时间增量delta time的计算保证不同帧率下移动速度一致。游戏状态的更新顺序先处理输入再更新物理最后渲染。目标收集的检测逻辑玩家靠近目标到什么距离算收集成功收集后的反馈目标消失、播放音效、更新UI。第三轮我给的提示词是添加游戏目标收集机制。要求 1. 在迷宫中随机放置5个收集物用发光的球体表示。 2. 玩家靠近收集物1米以内时自动收集。 3. 收集后球体消失屏幕上方显示收集进度。 4. 收集全部5个后显示胜利提示。 5. 游戏循环要使用delta time保证不同帧率下速度一致。5.2 三个模型的实现差异Step 5 Preview 的实现最完整。它不仅完成了基本要求还额外加了收集时的粒子效果和音效提示。它的 delta time 计算用了THREE.Clock这是 Three.js 官方推荐的做法const clock new THREE.Clock(); function animate() { requestAnimationFrame(animate); const delta clock.getDelta(); updatePlayer(delta); checkCollectibles(); renderer.render(scene, camera); }DeepSeek V4 Pro 的实现也很规范它把收集检测单独封装成了一个函数并且用了距离平方来比较避免了开方运算性能上有一点优化const distSq player.position.distanceToSquared(collectible.position); if (distSq collectRadius * collectRadius) { collectItem(collectible); }GLM5.3 的实现基本功能都有但它的 delta time 处理有问题。它用的是Date.now()来计算时间差然后除以1000转换成秒。这个做法本身没错但它没有限制 delta 的最大值。当浏览器标签页切换到后台再切回来的时候delta 会变得非常大导致玩家瞬移。正确的做法是给 delta 设一个上限比如0.1秒。5.3 收集机制的细节打磨在基本功能完成之后我让三个模型各自优化了一下收集体验。Step 5 Preview 加了收集物的旋转动画和发光脉冲效果视觉上最舒服。DeepSeek V4 Pro 加了收集进度的UI显示用HTML覆盖层实现信息最清晰。GLM5.3 加了收集音效用 Web Audio API 生成简单的提示音不需要外部音频文件。这三个优化方向其实可以合并到一起我在 WorkBuddy 里把三个模型的代码整合了一下最终版本既有旋转动画又有进度显示还有音效反馈。这也是用 WorkBuddy 做多模型协作的一个好处可以取各家之长。5.4 游戏循环的性能优化在测试过程中我发现当收集物比较多的时候帧率会有明显下降。排查之后发现是每帧都在遍历所有收集物做距离检测。优化方案很简单用空间分区或者简单的距离筛选只检测玩家附近的收集物。另外渲染方面也有优化空间。迷宫的墙壁如果每一面都是独立的 Meshdraw call 会很多。可以把所有墙壁合并成一个几何体用BufferGeometryUtils.mergeGeometries来合并这样 draw call 从几十个降到1个帧率提升很明显。import { mergeGeometries } from three/addons/utils/BufferGeometryUtils.js; const wallGeometries walls.map(wall wall.geometry.clone().applyMatrix4(wall.matrix)); const mergedGeometry mergeGeometries(wallGeometries); const mergedMesh new THREE.Mesh(mergedGeometry, wallMaterial); scene.add(mergedMesh);这个优化技巧在 Three.js 项目里非常实用尤其是场景里有大量重复物体的时候。6. 常见问题与排查技巧实录6.1 模型生成代码的典型问题在三个模型的实测过程中我遇到了不少典型问题整理成速查表如下问题现象可能原因排查方法解决方案角色移动速度过快速度系数重复计算检查移动逻辑是否用了控制器自带的速度去掉外层速度系数视角上下翻转没有限制俯仰角检查相机旋转是否用了欧拉角限制rotation.x在±90度内撞墙后卡住不动没有滑动处理检查碰撞后是否直接取消移动分轴检测或向量分解切换标签页后瞬移delta time没有上限检查时间增量计算给delta设0.1秒上限帧率低draw call过多用浏览器开发者工具查看合并几何体收集物检测不到距离计算错误检查坐标系是否一致统一用世界坐标鼠标控制不灵敏灵敏度系数不合适调整系数值一般0.002左右比较合适墙壁纹理拉伸UV映射问题检查几何体的UV坐标调整纹理重复次数6.2 WorkBuddy 使用中的坑WorkBuddy 虽然好用但也有一些需要注意的地方。第一个是自定义指令的生效范围如果你在对话中途修改了规则之前的对话不会自动应用新规则需要新开对话或者手动提醒。第二个是跨对话记忆虽然它能记住之前的上下文但如果对话轮次太多早期的信息可能会被压缩或丢失重要的设定最好在每轮对话里重申一下。第三个是关于缓存目录的。WorkBuddy 默认把缓存放在系统盘如果你做的是大型项目缓存文件会积累得很快。我建议在设置里把缓存目录改到空间充足的盘符并且定期清理。清理的时候注意不要删掉正在使用的项目缓存否则会丢失对话历史。提示WorkBuddy 的私有化部署版本和云端版本在功能上有一些差异私有化部署的模型接入需要自己配置API地址云端版本则可以直接选择模型。如果你对数据隐私有要求私有化部署是更好的选择。6.3 多模型协作的实操建议用 WorkBuddy 同时管理多个模型的时候我总结了几条经验不要让多个模型同时修改同一个文件容易冲突。最好是每个模型负责一个独立模块最后再整合。每个模型的输出都要自己跑一遍不要假设它一定能运行。我遇到过好几次模型生成的代码看起来没问题但实际跑起来报错的情况。善用 WorkBuddy 的对比功能把不同模型的输出并排看很容易发现各自的优缺点。如果一个模型在某个任务上表现不好不要死磕换一个模型试试。不同模型在不同任务上的表现差异很大。7. 三款模型的最终评价与适用场景7.1 各自的强项与短板经过三轮完整实测我对三个模型有了比较清晰的认识。Step 5 Preview 在3D数学和图形学相关的任务上表现最好。它对向量、矩阵、四元数的理解很到位生成的代码在数学层面很少出错。适合做需要精确空间计算的项目比如3D游戏、数据可视化、物理模拟。短板是它在工程化方面稍微弱一些代码组织有时候不够规范。DeepSeek V4 Pro 在工程实践上最成熟。它熟悉各种库和框架的用法知道什么时候该用官方组件什么时候该自己实现。生成的代码可维护性好适合做长期项目。短板是它在某些细节上会过度设计比如一个简单的功能它可能会引入不必要的依赖。GLM5.3 在代码可读性和中文支持上最好。它的注释详细变量命名清晰对新手最友好。适合做教学示例或者需要团队协作的项目。短板是它在复杂逻辑上偶尔会出错比如前面提到的万向节锁和delta time问题。7.2 不同场景下的选型建议场景推荐模型理由3D图形/游戏开发Step 5 Preview数学基础扎实空间计算准确企业级应用开发DeepSeek V4 Pro工程化成熟代码可维护性好教学/文档项目GLM5.3注释详细可读性强快速原型验证Step 5 Preview代码直接可跑迭代快复杂业务逻辑DeepSeek V4 Pro逻辑严谨边界处理完善中文项目GLM5.3中文注释和文档生成质量高7.3 关于doubao-seed-2.0-code的补充最近 doubao-seed-2.0-code 这个模型在代码生成圈子里讨论度也很高我顺便提一下。它在代码补全和单元测试生成方面表现不错但在3D游戏这种需要空间想象力的任务上我实测下来不如前面三个模型。不过它的响应速度很快适合做代码审查和bug修复这类任务。如果你在 WorkBuddy 里同时接入了多个模型可以根据任务类型灵活切换。比如用 Step 5 Preview 写核心逻辑用 DeepSeek V4 Pro 做代码审查用 GLM5.3 写文档注释这样组合起来效率最高。8. 从实测中沉淀下来的几条硬核经验做完整轮实测之后我最大的感受是模型的能力边界比想象中清晰。每个模型都有自己擅长的领域和不擅长的领域关键是要知道什么时候用哪个。关于3D游戏开发本身我也有几条经验想分享。第一坐标系和相机控制是3D开发的基础这部分如果模型写错了后面全是坑。第二碰撞检测宁可简单也不要复杂包围盒能解决的问题不要用射线。第三性能优化要趁早不要等到帧率掉到30以下才想起来合并几何体。关于 WorkBuddy 的使用我觉得最有价值的功能是自定义指令和跨对话记忆。把常用的规则设定好后续所有任务都能受益。另外它的多模型管理能力确实省事不用在多个网页之间来回切换。最后说一个我在实测中发现的小技巧让模型生成代码之后不要直接复制粘贴到项目里先在 WorkBuddy 的预览环境里跑一遍。很多问题在预览阶段就能发现比在正式项目里调试要省时间得多。而且 WorkBuddy 的预览环境支持热重载改完代码保存就能看到效果迭代速度很快。这个3D迷宫游戏的完整代码我已经整理好了后续如果大家感兴趣我可以再写一篇详细的代码解析把每个模块的实现思路拆开来讲。包括迷宫生成算法、相机控制数学、碰撞检测优化这些内容都值得单独展开。

三款AI模型同台实测：Step 5、DeepSeek V4 Pro、GLM5.3谁更适合做3D游戏开发

相关推荐

卡尔曼滤波从公式到代码：预测与观测的博弈及调参实战

Paperclip：Python构建的插件化桌面效率工具箱

三款大模型同台实测：从零开发3D游戏，谁更胜一筹？

更多资讯

C++ PCL kdtree

C++字体库开发之EM长度单位转换九

Kornia核心模块深度解析：几何变换与图像处理

C++智能指针配合STL模板类

C++字体库开发之字体回退十

基于ESP8266与MQTT的智能家居远程控制模块设计方案

今日更新

PLFM_RADAR：从被动告警到主动感知的微服务健康监控系统

SPI隔离设计实战：MAX14431BAEE+与STM32F407工业级应用

数字隔离器如何根治SPI通信地环路干扰：MAX14431与TM4C129实战

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？