Wszyscy porównują modele AI benchmarkami, a ja postanowiłem sprawdzić coś, co możesz ocenić samodzielnie w 5 minut. Dałem czterem najmocniejszym modelom dokładnie ten sam prompt: napisz kompletną grę typu breakout w jednym pliku HTML. Bez frameworków, bez bibliotek, z obsługą dotyku, dwoma językami i power-upami. Jeden strzał, zero poprawek. To, co wygenerowały za pierwszym podejściem, wrzuciłem na serwer bez żadnych zmian.
W teście wzięły udział: Claude Fable 5 (Anthropic), GPT-5.5 Codex (OpenAI), Gemini 3.1 Pro (Google) i Grok 4.3 (xAI). Poniżej możesz zagrać w każdą wersję bezpośrednio w artykule, a na końcu zagłosować, kto Twoim zdaniem wygrał.
Zasady testu
- Zero-shot: jeden prompt, jedna odpowiedź, bez iteracji i bez próśb o poprawki.
- Bez ingerencji: kod trafił na serwer dokładnie w takiej formie, w jakiej wygenerował go model.
- Te same wymagania dla wszystkich: jeden plik HTML, format pionowy, sterowanie dotykiem i myszą, 3 życia, minimum 3 poziomy, minimum 2 power-upy, ekrany startu, pauzy i końca gry, dwujęzyczność PL/EN z autodetekcją i zapisem wyboru.
Pokaż pełny prompt, który dostał każdy model
Stwórz kompletną, grywalną grę HTML5 "Prompt Breaker" (typ breakout: platforma, piłka, rozbijanie bloków). Motyw: bloki to problemy AI (bugi, halucynacje, złe prompty, limit tokenów, timeout, utracony kontekst). Sam zaprojektuj układy poziomów, power-upy i styl wizualny: clean, nowoczesny, technologiczny. Wymagania: - Jeden plik index.html, czysty HTML/CSS/JS, zero bibliotek, CDN-ów i zewnętrznych assetów. Ma działać lokalnie i w iframe. - Mobile-first, format pionowy ok. 9:16, ale na desktopie wycentrowane i estetyczne. Sterowanie: dotyk (przesuwanie palcem) + mysz, opcjonalnie klawiatura. Strona nie może scrollować się podczas gry na telefonie. - 3 życia, jedna aktywna piłka, minimum 3 poziomy o rosnącej trudności, minimum 2 power-upy (może być multiball). Ekrany: start, pauza, przejście poziomu, wygrana, przegrana. HUD: wynik, poziom, życia, pauza, restart. - Dwujęzyczność PL/EN: przełącznik, słowniki i18n w kodzie, autodetekcja języka przeglądarki, wymuszanie przez ?lang=, zapis wyboru w localStorage. - Jakość: stabilne kolizje, piłka nie może utknąć w ruchu idealnie poziomym/pionowym, requestAnimationFrame, główne ustawienia w jednym obiekcie CONFIG. - Subtelny podpis "Marcin Krupiński · krupinskiai.pl" na ekranie startowym lub w stopce UI. Obok dodaj dyskretny dopisek "built with [nazwa modelu AI, który generuje ten kod]".
Zagraj we wszystkie 4 wersje
Kliknij "Zagraj" na wybranej karcie, a gra uruchomi się bezpośrednio w artykule. Na telefonie wygodniej gra się w trybie pełnoekranowym, link znajdziesz pod każdą kartą. Aktywna może być jedna gra naraz, żeby nie obciążać telefonu.
Porównanie: co dostarczył każdy model
| Kryterium | Claude Fable 5 | GPT-5.5 Codex | Gemini 3.1 Pro | Grok 4.3 |
|---|---|---|---|---|
| Rozmiar pliku | 40 KB | 30 KB | 23 KB | 26 KB |
| Poziomy | 4 | 3 | 3 | 4 |
| Power-upy | 4: szeroka paletka, spowolnienie, multiball, dodatkowe życie | 3: szeroka paletka, tarcza, spowolnienie | 2: multiball, szeroka paletka | 4: szeroka paletka, spowolnienie, multiball, dodatkowe życie |
| PL/EN + ?lang= + localStorage | Tak | Tak | Tak | Tak |
| Styl wizualny | Neonowy terminal, etykiety bloków, serca jako życia | Glassmorphism, najbardziej elegancki interfejs | Minimalistyczny, najprostsza oprawa | Retro pixel-art z cząsteczkami |
| Ponad wymagania | Efekty dźwiękowe (Web Audio), rekord w localStorage, legenda bloków na starcie | Tarcza ratująca piłkę, autorski pomysł spoza promptu | Nic ponad minimum | Licznik wyniku w stylu automatów, system cząsteczek |
| Zgrzyty | Brak istotnych | Przycisk Start nie reaguje na dotyk ani klik (gra połyka zdarzenia wskaźnika), start działa tylko spacją | Spacja pauzuje grę zamiast wystrzeliwać piłkę | Scena rysowana w sztywnych 450x800 (na mniejszych ekranach ucięta paletka), a dotknięcie przycisków nie działa: gra blokuje zdarzenia dotyku na całym kontenerze |
Moje obserwacje po testach
Claude Fable 5 potraktował zadanie najszerzej. Jako jedyny dodał efekty dźwiękowe z przełącznikiem, zapis rekordu i legendę tłumaczącą, który blok odpowiada któremu problemowi AI. Ekran startowy wygląda jak z gotowego produktu, a bloki mają czytelne etykiety. Za to zapłacił rozmiarem: 40 KB to najwięcej w stawce.
GPT-5.5 Codex postawił na wygląd i wygrał tę kategorię. Przyciemnione szkło, miękkie poświaty, najbardziej spójna typografia. Dorzucił też najciekawszy power-up w całym teście: tarczę, która jednorazowo ratuje piłkę przed wypadnięciem. Tego pomysłu nie było w prompcie. Jest jednak poważne "ale": kontener gry przechwytuje wszystkie zdarzenia wskaźnika, przez co kliknięcie i dotknięcie przycisku Start w ogóle nie działa. Grę da się uruchomić wyłącznie spacją, czyli na telefonie wcale. Najładniejsza wersja testu była jednocześnie jedyną, której nie dało się odpalić na urządzeniu mobilnym.
Gemini 3.1 Pro napisał najkrótszy kod i wykonał zadanie poprawnie, ale bez błysku. Dostarczył dokładnie to, o co prosiłem, i nic więcej. Zaliczył też jedyny zgrzyt UX w teście: spacja, która według promptu miała wystrzeliwać piłkę, u niego pauzuje grę. Ciekawostka: jako jedyny przetłumaczył nawet wymagany dopisek "built with" na polskie "zbudowano z".
Grok 4.3 zaskoczył stylem. Pixel-artowy font, cząsteczki przy rozbijaniu bloków i licznik wyniku jak z automatu do gier. Ma pełny zestaw czterech power-upów, ale popełnił najpoważniejszy błąd techniczny testu: rysuje scenę w sztywnych współrzędnych 450x800 pikseli i nie skaluje jej do faktycznego rozmiaru ekranu. Na węższych ekranach, czyli na praktycznie każdym telefonie, dół sceny jest ucięty, a wraz z nim paletka. Do tego gra blokuje zdarzenia dotyku na całym kontenerze, więc przycisku START nie da się dotknąć palcem. Gra wygląda świetnie na desktopie i jest niegrywalna na mobile.
Uczciwość testu wymaga dopisku: kod wszystkich czterech gier pozostał nietknięty, ale żeby dało się w nie grać na telefonie, wersje GPT-5.5 Codex i Grok 4.3 serwuję przez cienką nakładkę. Nie zmienia ona ani linijki kodu gry: w wersji GPT przywraca działanie przycisków, a w wersji Groka skaluje cały widok gry do rozmiaru ekranu i również naprawia reakcję przycisków na dotyk. Drobna ironia na koniec: nakładki łatające te braki napisał dla mnie Claude Fable 5 w Claude Code, czyli jeden z uczestników testu. Wyszło więc tak, że na mecie po cichu poprawiał prace konkurencji, żeby wszystkie cztery gry mogły stanąć obok siebie. Purystów zapraszam do porównania: oryginalne pliki bez nakładki znajdziesz pod gpt/index.html i grok/index.html. Oceniając w sondzie, weź te dwie usterki pod uwagę.
Zabawny szczegół na marginesie: prompt kazał każdemu modelowi podpisać się w stopce gry własną nazwą. GPT-5.5 Codex podpisał się jako "GPT-5 Codex", a Grok 4.3 jako "Grok 4". Modele często nie znają swojej dokładnej wersji, bo ich dane treningowe kończą się przed premierą. Jeśli zauważysz to w stopkach gier, to nie błąd artykułu, tylko autoportret modeli.
Najciekawszy wniosek z całego eksperymentu: cała czwórka dowiozła kompletną grę za pierwszym podejściem, ale tylko połowa dowiozła ją na telefon. Dwujęzyczność, fizyka piłki, power-upy i ekrany stanu gry wyszły wszystkim. Za to wymaganie "mobile-first", wpisane w prompt wprost, w pełni zrealizowały tylko Claude i Gemini. To dobrze pokazuje, gdzie w 2026 roku przebiega granica: modele świetnie generują logikę i wygląd, a potykają się na tym, czego nie widzą, czyli na testowaniu własnego kodu na prawdziwym urządzeniu.
Zagłosuj: kto wygrał?
Zagraj w każdą wersję i oceń samodzielnie. Liczy się Twoje wrażenie: grywalność, wygląd, pomysł. Wyniki zobaczysz od razu po oddaniu głosu.
Ten test to zabawa, nie benchmark naukowy. Jedna gra, jeden prompt, jedna próba na model. Ale właśnie tak wygląda codzienna praca z AI: nie masz nieskończonych iteracji, tylko konkretne zadanie i oczekiwanie sensownego wyniku od razu. Jeśli chcesz, żebym powtórzył test z innym typem aplikacji, napisz do mnie na Instagramie.