AA （aardio autos）今天发布的版本有较大改进。当其他 Agent 还在 Shell 命令行里苦苦挣扎读写文件出错，不小心清空了 C 盘等问题，在 AA里 AI 已经可以流畅地自主写游戏 …… 自己玩游戏了，全程自主操作。

最重要的是 AA 的运行环境只有几 MB，下载开箱即用。不需要任何复杂的配置，鼠标点几下就会用。最古老的 XP 电脑都能流畅运行（不需要安装任何其他东西）。

今天我们就顺手使用 AA 对全部主流模型做一次测试与对比。

• 全部大模型都只用了 6 个字提示词“写个见缝插针”
• 测试过程全程无人干预，完全由 AI 自主编码、测试、运行游戏、自己写自己玩 …… 遇到网络故障也自己修复自己重试。
• 所有 AI 大模型（无论能力强弱）都可以全自主编写程序，遇到任何问题全部都 100% 自主解决。

以下是测试总结，位置靠上的模型效果更好，位置靠右费用成本更高。

DeepSeek 4 Pro

在 AA 新版里用 DeepSeek 4 Pro（推理强度=xhigh）“写个见缝插针”的效果如下图（GIF 画质受限，实际效果非常惊艳，吊打 Claude Fable 5 肯定没问题。测试过程的思考风格与平时差别很大，怀疑是撞到了什么隐藏实力的版本），本次测试费用 ￥0.88

GPT 5.6 Sol

AA 新版里 GPT 5.6 Sol（推理强度=max） “写个见缝插针” 的效果如下图，配色比上次的截图效果低调，但仅凭在内存里手绘就可以将 UI 细节做得很精致。本次测试费用 ￥16

DeepSeek 4 Flash

DeepSeek Flash（推理强度=max）在新版 AA 里测试“写个见缝插针”的效果截图如下，本次测试费用 ￥0.25

GPT 5.6 Luna

AA 最新版本中 GPT 5.6 Luna（推理强度=max） 测试“写个见缝插针”的效果截图如下，本次测试费用 ￥0.27

Gemini Flash 3.6

Gemini Flash 3.6（推理强度=high） 在 AA 新版中测试“写个见缝插针”的效果截图如下，测试费用 0 元（AI Studio 免费）。很多人以为 Gemini 弱 —— 这其实是很大的一个误解。Gemini 最大的问题就是不愿意调用工具（而 Agent 是一个勤能补拙的环境），例如这个任务，它调用了几次工具就立即交付代码了，有的模型调用几十次工具做得还不如它。

Kimi3

Kimi3（推理强度=max） 在 AA 新版中测试“写个见缝插针”的效果截图如下，本次测试费用 ￥4.2

Hy3

Hy3（推理强度=high）大模型在 AA 中AA 新版中测试“写个见缝插针”的效果截图如下，本次测试费用 ￥0.28

Doubao Seed Evolving

豆包家的最新模型是 Doubao Seed Evolving , 号称持续进化、滚动升级，高频迭代，没有版本号 …… 让我们也来试试它到底如何。

注意火山的 openai / responses 协议都存在不兼容的字段，我已经做了处理，请先升级到 aardio 最新版本。

AA 最新版 Doubao Seed Evolving 模型（推理强度=high）测试“写个见缝插针”的效果截图如下，本次测试费用 0 元（火山协作计划每天有几百万免费 tokens）。Doubao Seed Evolving 实际定价与 GLM 5.2 在同一梯队。

Claude Fable 5

Claude Fable 5（推理强度=xhigh） 在 AA 最新本测试“写个见缝插针”的效果截图如下，本次测试费用 ￥56 元。每一个像素都散发着美元烧焦的味道 。

GLM 5.2

GLM 5.2 （推理强度=high） 在 AA 最新本测试“写个见缝插针”的效果截图如下，本次测试费用 ￥5.8 元。有一个缺陷：绘图区覆盖了窗口标题栏。

Qwen 3.8 Max

Qwen 3.8 Max （推理强度=max）, 在 AA 最新本测试“写个见缝插针”的思考时间有点长。估计超过了半小时，其他模型最多几分钟就完成任务），因为我想看看它想这么久到底会写出什么效果，所以一直等待没有点中止。最后输出的成果截图如下。本次测试费用 ￥12.62