你测试大模型最常用的方法是什么？手撕红黑树？
这种小测试曾经很有效，但现在已经不够看了。
Andrej Karpathy 最近的一个实验，直接把大模型的能力边界往前推了一大步。他把《指环王》的第一段文字丢给了 Claude Opus（由 Anthropic 于 2025 年发布的新模型），给了它大约 100 万 token 的预算（成本大概 10 美元），然后只说了一句话：
“用 Three.js 把这段故事渲染出来。”
结果，模型自己跑了将近 2 个小时，写出了 5500 行代码。
这些代码不是简单的静态页面，而是用程序化的方式，把霍比特人的故事场景在三维空间里一点点搭起来——摆放多边形资产、设置坐标、写动画逻辑……最后真的跑出了一个能动的 3D 场景。
虽然效果还有点粗糙（Karpathy 自己也说 janky），但已经足够让人愣住了。
Karpathy 真正想说的，其实不止是模型变强了这么简单。他指出了一个很关键的变化：过去，很多高度定制化、一次性的复杂工作，正常人根本不会去做——太费时间、太不划算。但大模型有近乎无限的耐力和耐心。对它来说，写 5500 行代码、反复调整坐标和动画，不过是花点算力的事。
于是，很多以前没人会去做的事情，现在变成了：“反正差不多免费，为什么不试试？”
这背后，藏着一种新的创作逻辑。Karpathy 明确说，他更期待的是这种能力带来的下一步可能——按需生成的、高度定制的虚拟世界。
想象一下：你可以直接把人扔进《指环王》的故事里，当旁观者、NPC，甚至某个角色。就像一个随时生成、用完即走的主题版 GTA。这种短暂、个性化、几乎零门槛的交互体验，在过去几乎不可想象。现在，随着 AIGC 技术的演进，它开始变得现实。
当然，Karpathy 并没有只讲优点。他特别指出，游戏和 3D 世界这个领域，反而把大模型目前的一个明显弱点暴露了出来：模型还不能真正看懂自己生成的视频，也不能高效地在游戏里自己玩一遍来检查问题。这次 Opus 5 只能非常缓慢地截图自查，结果中间出了不少错误，最终画面也就有了各种卡顿和瑕疵。
换句话说，生成能力已经跑得很快，但理解和审计自己作品的能力，还明显跟不上。 多模态感知和实时交互，仍然是短板。
Karpathy 这条推文，表面上是在晒一个有趣的实验，真正想传递的却是两件事：
- 一是大模型正在改变“什么事情值得做”的经济账——很多过去因为太麻烦而被放弃的定制化创作，现在开始变得可行。
- 二是能力越强，短板也越清晰。生成可以很猛，但真正理解、验证、迭代自己的成果，依然是下一道必须跨过去的坎。
你觉得，这种AI 自己吭哧吭哧写几千行代码生成世界的方式，未来会先在哪些领域真正落地？ | 
发表于 2 小时前
|
查看: 4|
回复: 0
