سه ابزار برنامهنویسی مبتنی بر هوش مصنوعی Claude Code، Google Antigravity و OpenAI Codex در یک آزمایش عملی با یکدیگر مقایسه شدند؛ آزمایشی که در آن هر سه ابزار باید با دریافت یک دستور یکسان، یک بازی مسابقهای سهبعدی برای اجرا در مرورگر میساختند. نتیجه این مقایسه نشان داد که تولید کد بهتنهایی معیار مناسبی برای سنجش کیفیت ابزارهای هوش مصنوعی نیست و طراحی گیمپلی، کنترلها، آزمایش بازی و توجه به تجربه کاربر اهمیت زیادی دارند.
در این آزمایش، هدف ساخت یک بازی ساده اما سرگرمکننده بود که بدون نصب نرمافزار اضافی در مرورگر اجرا شود. بازی باید سه مسیر مسابقه، مدالهای برنزی و نقرهای و طلایی و امکان رقابت با نسخه شبحمانند بهترین دور قبلی بازیکن را داشته باشد. همچنین پشتیبانی از دسته بازی PlayStation و صفحهکلید ضروری بود.
نتایج نشان داد با وجود زمان توسعه بیشتر، تجربه کاملتری ارائه کرد؛ درحالیکه Codex سریعتر بود اما خروجی آن مشکلات جدی داشت و Antigravity نیز با وجود امکانات بیشتر، در کنترل بازی و برخی جزئیات فنی ضعف نشان داد.