智东西

编译 | 茄子

编辑 | 程茜

智东西 8 月 3 日消息，昨天，OpenAI 联合创始人、现 Anthropic 预训练团队成员、AI 大神安德烈 · 卡帕西（Andrej Karpathy）在 X 展示了一种模型测试的新方法。他让 Claude Opus 5 将《指环王》开篇的故事用 Three.js 制作成 3D 动画，预算 100 万 token。最终，Claude Opus 5 运行约 2 小时，写出约 5500 行代码，任务成本约为 10 美元（约合人民币 68 元），卡帕西认为成片虽然有些粗糙，但很有趣。

卡帕西推文（图源：X）

与 " 用 SVG 画一只骑自行车的鹈鹕 " 这类静态测试相比，《指环王》测试把任务从一次代码生成扩展到持续约 2 小时的完整制作流程。

Claude Opus 5 需要理解原文、拆解场景、创建多边形资产，将人物和物体放入三维坐标，再编写镜头与动画代码，并在运行过程中检查和修改结果。最终交付物不是视频模型合成的画面，而是一个能够在浏览器中运行的 Three.js 程序。

Claude Opus 5 根据《指环王》开篇生成的 Three.js 动画画面（图源：X）

但测试也暴露了模型的短板。Claude Opus 5 不能高效观看连续视频，也无法进入场景试玩，只能缓慢截取不同时点的画面逐张检查。卡帕西称，Claude Opus 5 因此出现了数次错误，最终成片仍有不少粗糙之处。

芬兰手游公司 Supercell 创意 AI 主管、AIGC 创作者鲁普 · 雷尼斯托（Roope Rainisto）提议，将程序化动画输入 Seedance 等视频模型，提高画面质量。卡帕西赞同这一思路，认为程序化代码可以负责分镜和控制，视频到视频模型则负责纹理和最终视觉效果。

雷尼斯托建议使用视频模型提升画面质量（图源：X）

一、从骑车鹈鹕到搭建中土世界，卡帕西把静态测试扩展为两小时 3D 任务

过去测试大模型视觉编程能力时，开发者经常让模型 " 用 SVG 画一只骑自行车的鹈鹕 "。这类任务结果直观，生成时间短，也方便比较模型能否正确理解物体、空间关系和代码语法。

卡帕西认为，模型能力已经开始越过这类单幅图像测试的范围。他此次将任务扩展为一个长程项目，向 Claude Opus 5 输入《指环王》开篇第一段，提供 100 万 token 预算，并要求该模型用 Three.js 把文字内容渲染出来。

Three.js 是一款面向网页的 JavaScript 3D 库。开发者可以用它处理场景、灯光、阴影、材质、纹理和三维数学运算，并在浏览器中绘制 3D 内容。

这意味着 Claude Opus 5 面对的并不是一次简单的 " 文字转画面 " 请求。该模型需要先理解原文涉及的场景和叙事元素，再将这些内容拆解为程序能够调用的几何资产，确定它们在 x、y、z 三个坐标轴上的位置，并编写镜头、动作和时间线代码。

经过约 2 小时运行，Claude Opus 5 生成了约 5500 行代码，用程序化方式完成了故事渲染。卡帕西评价成片 " 有些粗糙，但很有趣 "。并且，令他感到难以置信的是，Claude Opus 5 能够在三维坐标中摆放和组织多种多边形资产，编写动画代码，并最终生成可以运行的内容。

卡帕西在评论区附上了 " 鹈鹕骑自行车 " 测试提出者西蒙 · 威利森（Simon Willison）的博客链接，供用户查看更多测试案例。他还公开了此次项目的源码和浏览器版本，用户可以直接运行或继续修改。卡帕西随后调侃称，可以期待 "《侠盗猎车手》霍比屯版 "，它说不定会赶在《侠盗猎车手 6》之前问世。

卡帕西公开项目源代码和浏览器版本（图源：X）

二、Claude Opus 5 生成动画，配音由 ElevenLabs 生成

这段作品并非全部由 Claude Opus 5 独立完成。有网友在评论区询问，视频中的音频是否也由 Claude Opus 生成。卡帕西回复称，配音来自 AI 语音公司 ElevenLabs，而且由他手动选择声音，因为他对配音效果有明确偏好。

卡帕西回复配音由 ElevenLabs 生成（图源：X）

卡帕西同时称，大模型可以比较容易地调用此类语音 API。此次实验中，Claude Opus 5 主要负责 Three.js 场景、资产和动画代码，ElevenLabs 则承担配音生成。

Three.js 官方账号在评论区给出专业建议，提示模型应当合理使用 " 实例化网格 " 优化渲染性能。实例化网格能够批量渲染外形、材质一致、位置不同的物体，削减 GPU 渲染指令开销。

卡帕西将这条建议交给 Claude Opus 5 后，模型检查了场景代码。按照模型给出的统计，原版霍比屯场景包含 1569 次独立渲染调用；如果对草地、野花等重复物体使用实例化网格，只需 4 次调用即可渲染 1154 个同类物体。

这组数据说明，Claude Opus 5 生成的初版程序虽然能够运行，但没有主动采用这一常见的 3D 渲染优化方式，仍需外部专业反馈。

Three.js 评论模型适当情况下使用 " 实例化网格 " 与卡帕西的恢复（图源：X）

三、10 美元让定制化世界成为可能，但 Claude Opus 5 还不会 " 玩 " 自己的作品

卡帕西没有披露输入、输出和工具调用分别消耗了多少 token，因此 100 万 token 是任务预算，不能直接理解为模型最终输出了 100 万 token。

此次实验的价值，不在于用 10 美元替代一部专业动画电影，而在于让过去投入产出比过低、几乎没人愿意制作的一次性项目变得可行。大模型能够连续工作约 2 小时，完成数千行只服务于特定场景的代码。

卡帕西认为，这类能力可能催生按需生成的高度定制化世界。未来用户只需给出一个主题，大模型就能临时生成一个类似《侠盗猎车手》的可探索世界。例如，用户可以进入模型生成的中土世界，以旁观者、非玩家角色或原作人物的身份参与《指环王》的故事。

不过，模型的生成能力已经走在审查能力之前。Claude Opus 5 无法连续观看动画或控制角色试玩，只能逐张检查截图。这种方式不仅速度慢，还会丢失动作和镜头之间的连续信息。

卡帕西称，Claude Opus 5 在检查和修改过程中数次出错。该模型虽然能够生成 5500 行代码，却无法确认最终结果在画面、空间和时间线上是否全部正确。

与静态 SVG 相比，这项测试不再只看模型能否生成一张图，而是观察模型能否持续规划、运行程序、检查结果并修复错误。实验说明，Claude Opus 5 已经可以把一段文字转化为可运行的 3D 场景，但视觉审查和错误修复能力仍未跟上代码生成能力。

卡帕西的实验没有提供一个新的标准化评测分数，但提出了另一种观察模型的方法 : 将模型放进开放式、跨模态、长时间运行的任务中，检查它能否把文字理解、代码生成、空间推理和视觉反馈串成完整工作流。

结语：模型已经能够搭建场景，完整游戏仍需形成测试闭环

从静态 SVG 到可运行的 3D 程序，大模型能够承担的任务长度和复杂度都在增加。一些过去因制作成本过高而无人实施的定制内容，已经可以用较低成本快速验证。

要让这类程序进一步变成可玩的游戏，模型还需要理解连续视频、操作游戏角色，并根据试玩结果定位和修改代码。目前，这些环节仍需人类参与。