Pac-Bench测试模型单次生成吃豆人游戏能力

新基准Pac-Bench评估各模型能否仅凭一句提示“在单个HTML页面中创建吃豆人游戏”一次生成可运行的吃豆人游戏。每个模型只有一次机会，没有后续提示或修复。