ИИ-агенты создали клоны «Сапёра»: Codex победил, Gemini провалился

Редакция Ars Technica провела необычный тест, поручив четырём популярным ИИ-агентам для программирования создать веб-версию классической игры «Сапёр» с поддержкой сенсорных экранов, звуковыми эффектами и уникальной игровой механикой.

В испытании участвовали платные версии Claude Code от Anthropic, Gemini CLI от Google, Mistral Vibe и Codex от OpenAI на базе GPT-5. Каждому агенту дали одинаковое задание без возможности доработки после первого ответа.

Результаты теста

OpenAI Codex (9/10) создал наиболее полноценный клон. Его версия была единственной, где реализована продвинутая механика «chording» (одновременное открытие нескольких клеток), есть переключатель звука с ретро-эффектами и понятная инструкция. В качестве игровой «изюминки» ИИ добавил кнопку «Lucky Sweep», иногда открывающую безопасную клетку. Результат был признан почти готовым к релизу.

Claude Code (7/10) сгенерировал код в два раза быстрее и создал самый визуально приятный вариант с кастомной графикой. Однако в игре отсутствовала ключевая функция «chording», что было названо критическим недостатком. Агент добавил «Режим силы» с простыми усилениями.

Mistral Vibe (4/10) сделал рабочую, но сырую версию. В игре не было ни звуков, ни «chording», а обещанная кнопка «Custom» оказалась нерабочей. Несмотря на это, тестеры отметили, что для компании с меньшими ресурсами результат впечатляет.

Google Gemini CLI (0/10) полностью провалил задание. Созданная им «игра» не имела игрового поля — были только кнопки без функционала. Агент работал дольше всех (около часа) и постоянно запрашивал внешние зависимости, так и не выдав работоспособный код.

Эксперимент показал, что современные ИИ-агенты способны генерировать функциональный код для известных задач, но качество результата сильно варьируется. Лидером стал Codex от OpenAI, в то время как решение от Google, даже с учётом использования более старой модели Gemini 2.5, не справилось с базовой задачей.