AI模型《超级玛丽》游戏复现实战：豆包2.0、Model3与Qwen3.7 Max横评，仅Fable交出满分答卷

《超级玛丽》这款跨越时代的经典游戏，各大AI模型居然至今没能完美复现，实在让人大跌眼镜。我几乎把所有国内外主流模型都拉出来遛了一遍。

到目前为止，表现最抢眼的还得是Fable，其他选手可以说是状况频出、错误连篇。

GLM5.2和Kimi2.7的测评之前已经做过，也分享过了。这次的主角是Doubao2 Pro、Model3、Qwen3.7 Max。

为什么挑这三家？因为在《超级玛丽》这道题目上，它们勉强能坐到同一张桌子上。本来还想拉上MiMo，不过那篇已经单独写过，就不再重复了。看完它们交出来的作品，我只能感慨一句：真是别有一番趣味。

寓言

为了对比起来更直观，先让Fable打个样。

Claude Fable这个称呼本身就挺有意思，大致可以理解为“克劳德·寓言”。其中的“Claude”普遍被认为是在致敬信息论之父克劳德·香农。而最新版的寓言与神话模型共用同一个基座，算是目前公开可用的最强选手之一。

它的成绩单如下：

这里展示的是一轮对话直接生成的结果，全程没有加入任何二次提示。超级玛丽的地图布局、场景还原，以及角色行为和底层逻辑，背后其实藏着数不胜数的讲究。那些真正引爆市场的游戏，无一不是靠海量细节堆砌出来的。Fable还原得最到位的地方在于，整套代码完全是纯手写JavaScript搓出来的，相当震撼。

豆包2专业版

豆包大家已经熟得不能再熟了，国民级的日常应用。日常闲聊或者基础问答可能还顶得住，但一旦涉及编程、深度推理和低幻觉输出这几个维度，就一直差着那么一口气。平时我基本不会特意去碰它，这次纯粹是灵光一闪。

效果如下：

哈~我就看看，不说话。

Model3

为了不干扰对方的市值和内部同事的工作，这个模型我就不点名了，姑且叫它Model3。事实上，Model3一系的规模是最小的，基础能力也相对最弱，可是宣传上的声势却最响。

直接上展示吧：

哈~我就看看，不说话。

Qwen3.7 Max

这是阿里目前手里最强的一张牌，刚发布时就打出“全球第二，国内第一”的口号。单看各种基准榜单，确实可以到处碾压同行。不过数据归数据，真刀真枪上场又是另一回事。今天就请《超级玛丽》给它好好上一课。

效果如下：

哈~我就看看，不说话。

现在咱们抛开所有公司名头，单纯看看最后捧到眼前的这些效果，各位作何感想？到底哪家棋高一着，差距又拉开了多少？当然，这只能算是一个极其狭窄的观察切口，远远不能代表它们的全部实力。不过窥一斑而知全豹，多少还是有些参考意义的。

我不能直说谁差，只能说娱乐指数拉满了。它们才是真正意义上的“原创高手”。

看过这些娱乐选手的表现，我更怀念用Fable的那三天了，那种感觉就是——我好像什么都做得出来！只要吸过那一口，再看别的就通通变得索然无味。用过的人自然心领神会，没用过的可以尽情想象一下。