摘要:開發者自述的 Saltline 實驗展示了長程代碼生成如何完成一款可玩原型。理解其 API 估算費用,需要結合緩存計費與輸出計費來看。
2026 年 11 月 9 日,Anthropic 工程師 Felix Rieseberg 公開了一項實驗。他只給 Claude Fable 5.2 一條提示詞,之後沒有提供人工反饋,最終得到了一款能在瀏覽器裏直接運行的 3D 第一人稱射擊遊戲 Saltline。按他本人的說法,這次生成耗時約 8 小時,消耗約 4.45 億輸入 Token、約 270 萬輸出 Token,按 API 定價估算的成本約 550 美元。
這次實驗最值得關注的有兩點。第一,模型把場景構建、遊戲邏輯、模型與紋理、Shader、音效和玩家交互這些原本分屬不同崗位的工作,整合進了同一次長程代碼生成任務,所有視覺內容都以代碼和函數的形式存在。第二,4.45 億輸入 Token 若全部按普通輸入單價計費,費用會超過 3500 美元,而開發者報告的估算只有約 550 美元,差額主要來自緩存機制。複雜 AI 開發任務的經濟性,取決於上下文複用的程度,單看輸入輸出單價得出的結論會嚴重失真。
下文先介紹 Saltline 的公開數據和實驗條件,再拆解 AI 具體完成了遊戲開發中的哪些環節,然後用 Fable 5.2 的官方價格演算 550 美元的來源與可復算的邊界,接着給出一套區分模型調用、開發執行和產品運行的成本框架,最後討論這類 AI 獨立開發在可玩原型與商業遊戲之間的距離。

To Know:理解 AI 3D 遊戲實驗的術語
| 術語 | 解釋 |
|---|---|
| Token | 模型處理輸入和輸出的計量單位,API 按 Token 數量計費。 |
| API | 應用程序調用模型服務的接口,開發者通過它把模型接入自己的程序。 |
| 輸入緩存(Prompt Caching) | 把重複出現的上下文處理結果保存下來,後續請求直接複用,降低費用和延遲。 |
| 緩存寫入 | 首次把可複用上下文存入緩存,單價通常高於普通輸入。 |
| 緩存讀取 | 後續請求命中已有緩存,按遠低於普通輸入的價格計費。 |
| TTL | 緩存的有效時間,過期後需要重新寫入。Fable 5.2 提供 5 分鐘和 1 小時兩檔。 |
| Batch API | 面向異步批量任務的調用方式,適合無需即時響應的場景,可享受折扣。 |
| Agent | 能夠調用工具、讀寫文件、執行多步驟任務的模型應用。 |
| 可玩原型 | 用於驗證玩法和技術可行性的初步遊戲版本,內容和打磨程度有限。 |
| Shader | 運行在 GPU 上的小程序,用數學函數決定顏色、光照和材質表現。 |
| 程序化生成 | 用規則和算法在運行時構造模型、紋理、聲音等內容,取代預先製作的素材文件。 |
| WebGL / Three.js | WebGL 是瀏覽器調用 GPU 的 3D 渲染接口;Three.js 是基於它的 JavaScript 3D 圖形庫。 |
1 8 小時、550 美元:一款 AI 3D 遊戲如何誕生
1.1 實驗條件:一條提示詞,沒有人工反饋
Felix Rieseberg 給模型的任務很明確:做一款視覺效果儘可能接近 AAA 遊戲的小規模第一人稱射擊遊戲,並且全程不提供後續人工反饋。他在發佈時強調,自己想測試的正是模型在無人干預的條件下能夠完成到什麼程度。
這裏的“3A”是實驗目標和視覺類比。AAA 通常指投入大量資金和人力製作的高規格商業遊戲,Saltline 的定位是一款只有一個任務關卡、以單人體驗爲主的小規模可玩原型。
1.2 Saltline 的遊戲內容
Saltline 的場景設定在雨夜中的集裝箱港口,包含倉庫、碼頭和堆疊的集裝箱。玩家需要關閉三個信號中繼站並撤離,途中會遭遇空中巡邏無人機和地面機械獵犬。
遊戲支持第一人稱移動、視角控制、射擊、交互和任務目標,並帶有雨水、燈光、環境音效和武器效果。體驗方式也很輕量:打開瀏覽器即可遊玩,支持鍵鼠和觸屏操作,頁面提供圖形質量設置,卡頓時可以切換到低畫質。
1.3 開發者公開的數據
以下數據全部來自 Felix Rieseberg 本人在 X 上的公開信息,GitHub 鏡像也註明這些數字未經第三方獨立審計。
| 項目 | 開發者自述數值 |
|---|---|
| 模型 | Claude Fable 5.2 |
| 開發時間 | 約 8 小時 |
| 輸入 Token | 約 4.45 億(大量使用緩存) |
| 輸出 Token | 約 270 萬 |
| 估算成本 | 約 550 美元(按 API 定價估算) |
| 開發方式 | 單次提示詞,無人工反饋迭代 |
| 產物體積 | 獨立 HTML 版本約 1.43MB(1,425,707 bytes) |
550 美元是一次模型生成實驗的估算開銷。遊戲文件生成後,玩家在本地瀏覽器運行,不會再觸發 Claude API 調用,因此這筆錢與玩家數量無關。
2 AI 在這款 3D 遊戲開發中完成了哪些工作
2.1 所有模型和紋理都是代碼
11 月 10 日,開發者進一步說明:遊戲裏的模型、紋理等內容全部由 Claude 生成的代碼和 Shader 構建,項目中沒有單獨的圖片或 3D 模型素材。用他的話概括,就是“一切都是代碼,紋理和模型都是函數”。
這解釋了 Saltline 只有約 1.43MB 的原因。傳統遊戲需要分發大量製作好的模型、貼圖、音效文件,Saltline 分發的是生成這些內容的數學規則,瀏覽器讀取代碼後在運行時實時構建場景。
2.2 被整合進一次生成任務的六個環節
傳統 3D 遊戲開發通常由設計、建模、材質、程序、音頻等不同角色分工完成。Saltline 中,模型在同一個項目裏依次處理了以下工作:
- 場景構建:用頂點和幾何參數程序化構造港口、倉庫、集裝箱等結構。
- 遊戲邏輯:任務目標、敵人行爲、射擊判定和撤離流程。
- 模型與紋理:用噪聲和數學函數生成金屬表面、污漬、顏色變化。
- Shader:在 GPU 上計算光照、材質、雨夜反射等視覺效果。
- 音效:環境聲和武器聲同樣由程序生成。
- 玩家交互:鍵鼠與觸屏輸入、視角控制、圖形質量設置。
這些環節在傳統工作流中需要跨工具、跨人員交接,在 Saltline 裏變成了同一份代碼庫裏的不同模塊。模型的長上下文能力讓它可以持續讀取已有代碼和技術方案,保證各模塊之間相互銜接。
2.3 瀏覽器如何運行這款遊戲
Saltline 走的是瀏覽器本地渲染路線,畫面在玩家自己的設備上生成。運行流程大致如下:
- 瀏覽器讀取 HTML 文件,開始執行 JavaScript。
- 初始化 Three.js 和 WebGL 渲染環境。
- 程序按代碼生成場景幾何、材質、紋理和聲音。
- GPU 負責圖形渲染,玩家通過鍵鼠或觸屏輸入控制角色。
- 遊戲邏輯持續更新,瀏覽器刷新畫面。

文件小和運行輕量是兩回事。1.43MB 的代碼可以在運行時創建大量幾何體和材質,內存與 GPU 負載取決於場景複雜度。獨立體驗頁面也提示:初始化可能較慢,停在等待畫面時應檢查 WebGL 2 和瀏覽器硬件加速,卡頓時可以改用低畫質。
3 4.45 億 Token 的 AI 3D 遊戲爲何只花 550 美元
3.1 Claude Fable 5.2 的官方價格
Fable 5.2 於 2026 年 11 月 9 日發佈,上下文窗口爲 1M Token,最大輸出 128K Token。官方標準價格如下:
| 計費項目 | 每百萬 Token 價格 | 相對普通輸入 |
|---|---|---|
| 普通輸入 | $8 | 100% |
| 輸出 | $40 | 500% |
| 5 分鐘緩存寫入 | $10 | 125% |
| 1 小時緩存寫入 | $16 | 200% |
| 緩存讀取 | $0.20 | 2.5% |
此外,Fast Mode 的輸入價格爲 $16、輸出價格爲 $80(每百萬 Token),官方稱輸出速度最高可提升至 2.5 倍。緩存讀取價格只有普通輸入的 2.5%,這是理解 550 美元的關鍵。
3.2 按普通輸入計費的理論費用
如果完全不考慮緩存,把開發者公佈的 Token 數直接乘以標準單價,結果與 550 美元相差懸殊:
| 計算口徑 | 輸入費用 | 輸出費用 | 合計 |
|---|---|---|---|
| 全部按普通輸入計費 | 445 × $8 = $3,560 | 2.7 × $40 = $108 | $3,668 |
| 全部按緩存讀取計費(理論下限,未計緩存寫入) | 445 × $0.20 = $89 | 2.7 × $40 = $108 | $197 |
| 開發者自述估算 | — | — | 約 $550 |
兩種極端口徑給出了一個區間:上限約 3668 美元,下限約 197 美元。開發者報告的約 550 美元落在這個區間內,並且明顯靠近下限,說明輸入中有相當大的部分以緩存讀取的價格計費。
還有一個細節值得注意:按標準價格計算,270 萬輸出 Token 約 108 美元,佔 550 美元估算的五分之一左右。輸入量是輸出量的一百多倍,但在緩存機制下,輸出成本仍佔據了不小的份額。

上圖中的單價對比可以直接套用到你自己的 Agent 任務上做預估。如果想先用小規模任務驗證緩存命中對賬單的影響,可以在 API易 apiyi.com 上用同一個 API Key 調用 Claude 等多家模型,對照用量明細觀察不同上下文策略下的費用變化。
3.3 緩存爲什麼能大幅降低長程編程成本
長時間、多輪次的 AI 編程過程中,模型每一輪都要重新讀取大量相同的內容:項目背景、文件結構、已有代碼、開發規範、此前確定的技術方案。8 小時的生成過程意味着這些上下文被反覆提交,4.45 億輸入 Token 的規模正是由此累積而來。
Prompt Caching 把這些重複前綴保存下來,命中時按緩存讀取計費。完整的緩存賬單由三部分共同決定:
- 緩存寫入(Cache Write):首次寫入比普通輸入更貴,5 分鐘檔爲 1.25 倍,1 小時檔爲 2 倍。
- 緩存讀取(Cache Read):後續命中時只需 2.5% 的價格。
- 緩存過期(TTL):超過有效期後需要重新寫入,再次支付寫入費用。
因此,選擇哪一檔 TTL、上下文結構是否穩定、兩次請求的間隔長短,都會影響最終費用。頻繁改動上下文前部內容會讓緩存失效,反而增加寫入開銷。
3.4 公開數據能復算到什麼程度
目前公開材料提供了總輸入、總輸出和估算總價,沒有給出完整賬單明細。以下關鍵數據都未公開:
- 普通輸入、緩存寫入、緩存讀取各自的 Token 數量;
- 5 分鐘緩存與 1 小時緩存各自的用量;
- 是否存在其他 API 調用費用。
由於緩存寫入有兩檔價格,未知量多於已知條件,僅憑這三個數字無法反推出唯一的緩存命中率。能夠確定的結論是:550 美元落在上述理論區間內,緩存在這次實驗中承擔了主要的降本作用。
4 AI 編程任務的真實成本應該怎麼算
4.1 三層成本框架
討論“AI 用多少錢做出一款遊戲”時,需要先明確算的是哪一層成本。Saltline 的 550 美元只覆蓋第一層。
| 成本層級 | 包含內容 | Saltline 是否計入 |
|---|---|---|
| 模型調用成本 | 輸入、輸出、緩存寫入與讀取、批處理折扣、工具調用 | 是(約 550 美元,開發者估算) |
| 開發執行成本 | 任務設計、調試測試、運行環境、代碼倉庫、外部資源、人員時間 | 未公開 |
| 產品運行成本 | 託管、CDN 流量、數據庫、在線服務、後續維護 | 未計入 |
本地網頁遊戲的結構決定了它的 AI 成本集中在開發階段,渲染由玩家設備承擔。相比之下,雲遊戲和 AI 實時世界模型在玩家每次遊玩時都會持續產生服務器算力成本,兩類產品的成本曲線完全不同。
4.2 Batch API 適合哪些環節
Claude 官方 API 提供 Batch API,符合條件的批處理輸入與輸出可享受 50% 折扣。它適合非實時的代碼生成、批量內容處理和離線評測,例如一次性爲多個關卡生成配置、批量跑代碼審查。
Saltline 這類 Agent 式開發需要根據上一步結果決定下一步動作,屬於強交互的串行流程,難以直接套用批處理折扣。實際項目中更可行的做法是拆分:主開發循環依靠緩存降本,可並行的離線子任務交給 Batch API。
4.3 用代碼預估你的 AI 編程賬單
下面的極簡示例演示如何通過 OpenAI 兼容接口發起一次調用,並讀取返回的用量字段,作爲成本統計的起點:
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # API易 統一接口
)
resp = client.chat.completions.create(
model="YOUR_MODEL_NAME", # 替換爲平臺模型列表中的 Claude 等模型名
messages=[{"role": "user", "content": "用 Three.js 寫一個旋轉的立方體"}]
)
print(resp.choices[0].message.content)
print(resp.usage) # 記錄 prompt_tokens / completion_tokens 用於成本覈算
查看完整實現:帶緩存口徑的成本估算器
import openai
from dataclasses import dataclass
# Claude Fable 5.2 官方標準價格(美元 / 百萬 Token)
PRICE = {
"input": 8.0,
"output": 40.0,
"cache_write_5m": 10.0,
"cache_write_1h": 16.0,
"cache_read": 0.20,
}
@dataclass
class Usage:
input_tokens: float = 0 # 普通輸入
cache_write_5m: float = 0 # 5 分鐘緩存寫入
cache_write_1h: float = 0 # 1 小時緩存寫入
cache_read: float = 0 # 緩存讀取
output_tokens: float = 0 # 輸出
def estimate_cost(u: Usage) -> float:
"""按各計費項分別累加,單位:美元"""
m = 1_000_000
return (
u.input_tokens / m * PRICE["input"]
+ u.cache_write_5m / m * PRICE["cache_write_5m"]
+ u.cache_write_1h / m * PRICE["cache_write_1h"]
+ u.cache_read / m * PRICE["cache_read"]
+ u.output_tokens / m * PRICE["output"]
)
# 復現文中的兩個理論邊界(開發者自述 Token 總量)
upper = estimate_cost(Usage(input_tokens=445e6, output_tokens=2.7e6))
lower = estimate_cost(Usage(cache_read=445e6, output_tokens=2.7e6))
print(f"全部普通輸入:${upper:,.0f}") # 約 $3,668
print(f"全部緩存讀取:${lower:,.0f}") # 約 $197
# 在自己的項目中累計真實用量
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
def run_step(messages, model="YOUR_MODEL_NAME"):
resp = client.chat.completions.create(model=model, messages=messages)
usage = resp.usage
print("prompt:", usage.prompt_tokens, "completion:", usage.completion_tokens)
return resp.choices[0].message.content
估算器把五個計費項分開累加,可以直接代入自己項目的用量明細。各平臺對緩存字段的返回方式可能不同,接入時以實際響應中的 usage 結構爲準。
🚀 快速上手建議:在把長程 Agent 任務投入正式開發前,建議先通過 API易 apiyi.com 領取新用戶免費測試額度,用一個小型 Three.js 場景跑通“生成—運行—修正”的閉環,同時記錄每輪 Token 用量,再按上面的估算器推算完整項目的預算。
5 AI 獨立開發 3D 遊戲的邊界在哪裏
5.1 可玩原型與成熟商業遊戲
Saltline 證明了模型能在無人干預下交付一個完整可玩的小規模遊戲:有場景、有敵人、有任務、有聲畫表現。成熟商業遊戲還需要大量關卡內容、長期的平衡性調整、多平臺適配、本地化、反作弊和大規模用戶測試,這些在單次實驗中都沒有涉及。
國內社交平臺上傳播的“幾貓·國產3A大作”,實際是 Saltline 的中文版本或重新包裝版本。“國產3A大作”是傳播時使用的名稱,它的開發歸屬仍是這次 Fable 5.2 實驗。
5.2 一次性生成與持續維護
單次生成解決的是“從零到一”。遊戲上線後的版本迭代、修復 Bug、增加內容,需要模型或開發者在已有代碼上反覆修改。長期維護的上下文規模會持續增長,緩存策略和代碼組織方式對後續成本的影響會更加明顯。
5.3 功能完成與性能優化
功能可用和運行流暢是兩項獨立的工程目標。Saltline 的體驗頁面提供低畫質選項、提示檢查 WebGL 2 與硬件加速,正說明性能仍受玩家設備和瀏覽器能力約束。Unity 官方文檔同樣指出,Web 平臺在文件系統、線程、內存和移動設備支持上存在限制,複雜遊戲的瀏覽器性能優化依然困難。
5.4 把 Saltline 當作代表性實驗來看
Saltline 的價值在於它給出了一個清晰的參照點:在一個能力較強的長上下文模型、合理的緩存使用和明確的單一目標下,一次性生成一款瀏覽器 3D 原型的模型調用成本在數百美元量級。它的 8 小時和 550 美元來自開發者自述的單次實驗,其他開發者的結果會隨提示詞設計、任務複雜度、緩存策略和模型版本而變化。
第三方平臺 AI8Games 收錄了一批由 Claude Fable 5.2 等模型參與生成的瀏覽器遊戲,檢索時顯示 62 款可玩遊戲和 27 款視頻展示作品。這是第三方整理的數據,能夠反映此類實驗正在增多,不代表官方統計。
💡 選擇建議:不同模型在長程代碼生成、緩存價格和輸出單價上差異明顯,同一個遊戲原型任務在不同模型上的總賬單可能相差數倍。建議在 API易 apiyi.com 上用同一份提示詞對比幾款主流模型的產出質量與 Token 消耗,再決定正式開發使用哪一款。
6 關於 AI 3D 遊戲實驗的常見問題
Q1:Saltline 的 550 美元是實際支付的賬單嗎?
這是 Felix Rieseberg 按 API 定價做出的估算,未經第三方審計。公開信息中也沒有普通輸入、緩存寫入、緩存讀取各自的用量,因此無法精確還原賬單結構。
Q2:爲什麼 4.45 億輸入 Token 只花了這麼少的錢?
長程編程會反覆提交相同的項目上下文,這部分內容命中緩存後按 $0.20/百萬 Token 計費,只有普通輸入 $8 的 2.5%。全部按普通輸入計算約 3668 美元,開發者估算約 550 美元,差額主要來自緩存。
Q3:玩家每次遊玩會產生 AI 調用費用嗎?
不會。Saltline 生成後是一個約 1.43MB 的 HTML 文件,遊戲在玩家瀏覽器本地運行,由玩家設備的 GPU 渲染,運行過程不調用模型 API。550 美元屬於一次性的開發階段成本。
Q4:如何在自己的項目裏複用這類長程代碼生成方式?
核心是讓模型在穩定的上下文結構上持續工作:把規範、技術方案、文件結構放在提示的固定前部,便於命中緩存;每輪記錄 usage 用量,用於估算預算。可以先在 API易 apiyi.com 上用免費額度跑一個小場景,確認緩存和用量統計符合預期後再擴大任務規模。
Q5:開發者能否用同樣預算復現一款類似遊戲?
結果會因提示詞、目標複雜度、緩存策略和模型選擇而變化。Saltline 是一次成功的單次實驗,適合作爲數量級參考。實際預算建議用小規模試跑的真實用量來推算,通過 API易 apiyi.com 的統一接口可以在同一套代碼裏切換不同模型,便於橫向比較成本。
Q6:Saltline 和 Genie 3 這類 AI 生成遊戲有什麼區別?
Saltline 是 AI 寫代碼、瀏覽器運行代碼,遊戲規則預先寫好,畫面由本地 GPU 渲染。Genie 3、Muse、Oasis 等世界模型則是根據當前狀態和玩家輸入實時預測下一幀畫面,需要持續推理,每次遊玩都會產生算力成本。兩條路線的成本結構和技術限制完全不同。
7 總結:550 美元、8 小時這組數字該怎麼看
Saltline 的實驗說明了三件事:
- AI 能把多個遊戲開發環節整合進一次代碼生成:場景、邏輯、模型、紋理、Shader、音效和交互都以代碼形式交付,產物是一個約 1.43MB 的單文件瀏覽器遊戲。
- 緩存決定長程 AI 編程的經濟性:4.45 億輸入 Token 按普通價格需約 3668 美元,開發者自述的估算約 550 美元,緩存讀取 2.5% 的單價是關鍵變量。
- 550 美元只是模型調用成本:開發執行、產品運行和後續維護都在這個數字之外,Saltline 是一次具有代表性的可玩原型實驗。
如果你打算讓 Agent 承擔類似的長程開發任務,最有效的準備是先建立成本覈算習慣:分開記錄輸入、緩存與輸出用量,再按真實數據推算預算。推薦通過 API易 apiyi.com 快速驗證效果,平臺提供 OpenAI 兼容接口、多模型統一調用和新用戶免費測試額度。
參考資料
- Saltline 獨立體驗頁面:遊戲試玩與常見問題說明
- 鏈接:
saltline.games -
說明:包含初始化、畫質設置、操作方式等體驗信息,中文版本位於
saltline.games/zh -
Felix Rieseberg 原始發佈帖:開發時間、Token 與成本數據來源
- 鏈接:
x.com/felixrieseberg/status/2119925633564463609 -
說明:開發者自述的第一手數據
-
Saltline 代碼鏡像與 README:文件數據與數據歸屬說明
- 鏈接:
github.com/realcodebear/saltline-fable-5.2 -
說明:註明相關數字未經第三方獨立審計
-
幾貓中文版本 GitHub 倉庫:國內傳播版本存檔
- 鏈接:
github.com/Megasu/jimao-3a-game -
說明:提供 index.html 文件體積與離線運行說明
-
Claude Fable 5.2 模型規格與價格:Anthropic 官方文檔
- 鏈接:
platform.claude.com/docs/en/models/fable-5-2/overview -
說明:輸入、輸出、緩存寫入與讀取的官方單價
-
Three.js 官方文檔:瀏覽器 3D 圖形庫
- 鏈接:
threejs.org/docs -
說明:理解 Saltline 場景構建方式的基礎資料
-
Unity WebGL 技術概覽:Web 平臺限制說明
- 鏈接:
docs.unity.cn/6000.0/Documentation/Manual/webgl-technical-overview.html - 說明:瀏覽器遊戲在線程、內存、移動端方面的限制
作者:APIYI 技術團隊
技術交流:歡迎在 API易 apiyi.com 網站首頁聯繫我們,更多接入資料可訪問 docs.apiyi.com 文檔中心
