Playco 用 GPT-6 Astra 把一个灰盒做成三种可玩原型

2026 年 9 月 3 日，OpenAI 发布的 Playco 案例展示了一次卡丁车原型实验：团队先用简单几何体做出没有主题的灰盒，调整基础玩法后，再从这一个底座延伸出糖果、赛博朋克和海盗三种可玩的版本。

Playco 正在把这套流程做进 Playbot。它是一款面向专业游戏开发者的 AI 开发环境，能连接 Unity、Godot 等引擎，让智能体直接编辑场景、运行游戏、检查结果并继续修正。

先固定玩法，再比较主题

这次实验没有从三款完整游戏分别起步，而是先建立共同的卡丁车玩法。灰盒只保留车辆、赛道和起跑门等简单元素，用来确认驾驶与比赛的基本结构。

OpenAI for Startups 的演示说明提到，团队随后用 GPT-Image-2 探索糖果、赛博朋克和海盗三个视觉方向，再让 GPT-6 Astra 把它们做成可玩的版本。共同底座让差异集中在主题与体验上，也减少了同时比较多个想法时重复搭建基础玩法的工作。

可玩的版本让取舍更早发生

概念图可以比较颜色、材质和氛围，却不能回答镜头、速度感、赛道辨识度与操作反馈是否合适。把几个方向都变成可运行的原型后，开发者可以在投入完整资产制作前实际试玩，再决定保留哪一种。

Playco 称，三个主题版本由 GPT-6 Astra 一次生成，多数第一次就能运行；赛博朋克版本仍需要一次性能修复，其他调整主要来自团队对玩法的偏好。这里的“一次生成”因此更接近可供评估的原型，而不是已经达到发行标准的成品。

“减少 50% 人工修复”只代表这次测试

Playco 报告称，相较此前使用的模型，这次原型制作减少了 50% 的人工修复。公开案例没有说明测试包含多少任务、怎样定义一次修复，也没有公布总耗时、成本和独立复现结果。一篇独立分析也指出了这些信息缺口。

所以，这个数字能说明 Playco 在自己的测试中减少了修正工作，不能推导出所有团队都能把原型成本减半。更值得留意的是工作流本身：智能体能够运行自己刚做出的内容，先发现明显故障，再把可玩的候选交给人比较。

适合先试哪类任务

Playbot 当前仍在招募 research preview，公开页面没有列出价格和全面开放时间。准备测试类似流程的团队，可以从一套已经有明确验收条件的灰盒开始，批量尝试两到三个主题，并分别记录功能故障、性能问题和偏好调整。

如果多个版本都能稳定通过同一套玩法检查，团队就能把评审时间放在游戏感觉和创意取舍上。这比单纯统计生成了多少代码或资产，更能判断智能体是否真的缩短了原型决策周期。