最强AI游戏助手实测：Gemini与Qwen在《王者荣耀》中的表现对比

在人工智能技术快速发展的今天，各大科技公司竞相推出更强大的AI模型。近期，DeepSeek、Gemini和Qwen等模型相继发布了版本更新，重点提升了推理能力和多模态支持。传统上，我们通过数学题和科学基准测试来评估这些模型的性能，但游戏作为一个"既不复杂又挺复杂"的场景，或许能更全面地检验AI的实际应用能力。

游戏环境融合了文字、图像、视觉效果等多模态素材，要求AI不仅能理解静态信息，还要能分析动态变化。本文将通过对Gemini和Qwen两款AI模型在《重返未来：1999》和《王者荣耀》两款游戏中的表现测试，探讨当前AI推理能力的实际水平。

测试背景与方法论

测试模型简介

本次测试选取了两款近期更新的AI模型：

模型名称	版本	主要升级点	上下文窗口
Gemini	2.5 Pro Experimental	推理、编码和多模态理解能力全面提升	100万token
Qwen	QvQ-Max	全新视觉推理模型，增强图像视频理解能力	未明确公布

Gemini 2.5 Pro Experimental于3月25日推出，在数学和科学基准测试(如GPQA和AIME 2025)中表现优异，超越了OpenAI的同类产品。它具备处理文本、音频、图像、视频甚至整个代码库的能力。

Qwen的QvQ-Max版本则在周五凌晨发布，专注于提升视觉推理能力，能够"看懂"图片和视频内容，并结合这些信息进行分析和推理。

测试游戏选择

我们选择了两款风格迥异的游戏进行测试：

《重返未来：1999》：一款相对简单的卡牌游戏，战斗场景清晰，数值显示完整，技能有文字说明，适合作为基础测试。
《王者荣耀》：一款复杂的MOBA游戏，战斗节奏快，信息量大，多角色同时交互，能更好检验AI处理复杂场景的能力。

测试流程设计

测试分为三个阶段：

数值提取测试：让AI观看游戏录像，整理出现的伤害数值，检验基础信息抓取能力。
技能分析测试：要求AI总结视频中出现的特殊技能及其效果。
策略建议测试：基于录像内容，让AI提供优化战斗策略的建议。

基础能力测试：《重返未来：1999》表现

数值提取对比

我们首先上传了B站UP主@司马玄清的《重返未来：1999》游戏录像给两个AI模型，要求它们整理所有出现的伤害数值。

处理速度对比：

指标	Qwen	Gemini
上传时间	较快	2-3分钟
分析时间	较短	约30秒

输出结果差异：

特征	Qwen	Gemini
思维链语言	中文	英文(较长)
统计方法	每5秒采样一次	连续观看分析
多角色区分	一般	能区分攻击方和被攻击方
数字准确率	~55%	~65%

Qwen采用了定时采样的方式，每5秒记录一次画面显示的数值，这种方法在动态变化的游戏场景中准确度有限。而Gemini则尝试连续分析视频内容，对伤害数值的抓取更为连贯。

典型问题示例：

连击处理：两个模型对快速连击的抓取都不理想，Gemini只能记录第一次攻击的数值。
多段攻击合计：Gemini尝试计算多段攻击总和，但结果不准确。
模糊数值：当画面数值显示不清晰时，两个模型都有误判情况。

技能分析对比

在技能总结环节，两个模型展现了不同的分析思路：

Qwen：

主要依据卡面文字说明
按技能类型分类
描述较为笼统

Gemini：

结合视频中的实际使用场景
关联具体角色
包含使用频率统计

这种差异反映了两个模型不同的处理逻辑：Qwen更依赖明确的文字信息，而Gemini尝试从多模态数据中综合提取信息。

策略建议测试

基于前面的分析，我们让AI提供优化战斗策略的建议：

Qwen的建议：

详细但较为模板化
基于技能类型的常规组合
缺乏对具体战斗情境的针对性

Gemini的建议：

相对简洁
考虑了角色间的配合
包含资源分配建议

虽然都不是完美的游戏攻略，但已经展现出AI在理解游戏机制后提供有价值建议的潜力。

进阶挑战：《王者荣耀》测试

复杂场景下的表现

MOBA游戏的快节奏和多角色互动对AI提出了更高要求。测试中，我们上传了一段《王者荣耀》对战录像(人机模式)，观察两个模型的表现。

数值提取结果对比：

问题类型	Qwen	Gemini
基础数值抓取	错误较多	部分准确
时间戳记录	缺失	保留但不精确
多角色区分	困难	有一定区分能力
快速连招处理	几乎失效	记录部分数据