Code-Generierungsmodelle werden primär an akademischen Benchmarks gemessen. Ein praktisches Spielprojekt als Vergleichsmaßstab zeigt, wie unterschiedliche Modelle bei realen, iterativen Entwicklungsaufgaben mit komplexer Logik und State-Management performen – Erkenntnisse für Developer, die solche Tools für komplexere Software-Projekte einsetzen.