
GitHub 收藏474
代码最近更新2026 年 9 月 12 日
许可证开源 · MIT
要不要花钱免费
主要用于通过真实游戏引擎运行环境,测试 AI 编程改 bug 和做开发的能力。适合评测大模型或游戏开发者使用。需要通过命令行在本地部署和运行。
用起来难吗要写代码在哪用命令行自己部署
能用的模型
说明里没点名
能做什么
- 提供真实游戏引擎测试环境
- 通过实际运行状态打分
- 覆盖多款主流游戏引擎任务
- 提供确定性的通关验证指标
怎么开始
- 第一步需要会写代码并熟悉容器与环境配置
- 克隆仓库并安装 Harbor 等评测运行依赖
- 选定游戏引擎任务并启动评测运行测试
选它,如果你……
- 你想检验 AI 在真实游戏工程里的改代码表现
- 你需要一个无需大模型打分、靠程序运行判分的基准
- 你想测试 AI 对 Godot 或 Minecraft 等工程的修复能力
别选,如果你……
- 你不会写代码且不熟悉环境部署
- 你只想找一个点开就能帮你做游戏的现成软件
怎么用
代码开源,可以免费下载使用。
多少钱、在哪买
免费使用。
综合评价:一般(更新放缓或问题处理差)
| 更新 | 放缓 | 近 90 天改代码 6 次;没有正式发版记录 |
|---|---|---|
| 问题处理 | 暂不评 | 近 90 天只有 1 个新问题,太少不评 |
| 用的人 | 少 | GitHub 收藏 474;1 人参与开发 |
| 用户口碑 | 暂不计 | 用户评价满 5 条后才算进来 |
数字取自 GitHub 的公开记录(2026/10/8), 用户评价来自本页口碑。自己核对:项目主页、问题、外部提交的修改、发版记录。
怎么评的
只看公开、能核对的数据,不打分数,只给四档结论,每一项的依据都写在旁边。
- 更新:近 90 天改了多少次代码、最近一次发版是哪天。7 天内有改动并且改得多或常发版,算「很活跃」;30 天内有改动算「活跃」;半年内算「放缓」;半年以上没动或者已经归档,算「停更」。
- 问题处理:近 90 天新开的问题解决了几成、一般几天解决、外部提交的修改积压了多少。解决八成以上、一般一周内解决、积压不比合进去的多,算「好」;解决不到一半算「差」;其余算「一般」。新问题不到 10 个的不评。
- 用的人:GitHub 收藏 5 万以上算很多,1 万以上算多,1 千以上算一般。旁边写近 7 天新增多少、多少人参与开发。
- 用户口碑:用户评价满 5 条才算进来(注册不满 7 天的账号不算);平均分在 2.5 分及以下,总评降一档。
- 总评四档:还在更新、问题处理好、用的人多 → 推荐;还在更新 → 不错;更新放缓或问题处理差 → 一般;半年以上没更新 → 谨慎。许可证有附加条件、商用受限的,单独提醒,不影响总评。
- 收费软件(ChatGPT、Cursor 这类)没有公开的问题记录,就看 App Store:最近一次更新在 30 天内算「活跃」,半年内算「放缓」,半年以上算「停更」;打分人数 10 万以上算很多,1 万以上算多,1 千以上算一般;评分 4 分以上算好,2.5 分及以下算差,打分不到 100 人不评。再加上用户评价。
收藏数能刷,所以只占一项;更新和问题处理很难刷。数据每天更新,超过两周没更新的不评。
能替代它的
Lm Evaluation Harness综合评价:一般面向通用大语言模型的标准化评测工具
Gorilla综合评价:一般侧重评测与训练大模型调用外部接口能力
iFixAi综合评价:不错主要针对自主办事 AI 进行独立审计与打分
| 软件 | 起步价 | 难不难用 | 中文 | 开源 | 口碑 | 最近更新 |
|---|---|---|---|---|---|---|
| GamePhanes | 免费 | 要写代码 | 没写明 | 开源 | 还没人评 | 26 天前 |
| Lm Evaluation Harness | 免费 | 要写代码 | 没有中文界面 | 开源 | 还没人评 | 38 天前 |
| Gorilla | 免费 | 要写代码 | 没写明 | 开源 | 还没人评 | 448 天前 |
| iFixAi | 免费 | 要填自己的模型 Key | 有中文界面 | 开源 | 还没人评 | 23 天前 |
最近更新和热度
近 30 天 GitHub 收藏:-1
用户口碑
数据来源:GitHub,每天更新,更新时间 2026 年 10 月 8 日。 信息有误?告诉我们。
发布软件评论