近 300万人围观卡帕西亲测 Opus 5：两小时写完 5500 行代码， 却连自己写的游戏都玩不了|动画|显式|opus_网易订阅

作者｜冬梅卡帕西暴露 Opus 5 新边界过去，近万人们喜欢用一方式颇具喜感的人围题测试大模型：“请生成一张鹈鹕骑自行车的可缩放矢量图。”下面这张图是帕西 ChatGPT 为我生成的：这方式题看似便捷，实际上需模型理解自行车的亲测却连结构、鹈鹕的时写式身体组成，以及两者之间的完行s网空间关系，再用一系列坐标、代码都玩馗和图形元素把它们组合起来。自己模型画出的游戏易订阅鹈鹕究竟是坐在车上、悬浮在空中，不动还是画显与自行车融成一团，频仍能直观暴露其空间推理能力。近万但目前，人围Andrej Karpathy 认为，帕西评价前沿模型的亲测却连方式可能需再次升级。8 月 2 日，Karpathy 在 X 上公布了一项实验。他把《指环王》首先章开头的一段文字交给 Claude Opus 5，给出 100 万 Token 的推理预算——按他的估算约为 10 美元——并需模型用 Three.js 把这段故事渲染成一个三维场景。这条帖子的浏览量已经超过 280 万。Opus 5 运行了约两小时，最后写出大约 5500 行代码。成品并不精致，Karpathy 称它“有些粗糙，但很好玩”，但真正让他感到不可思议的是：一个语言模型需自行决定场景中应该出现哪些角色、房屋、馗和植被，把各种多边形资产放进三维坐标系，再编写动画、镜头和时间轴逻辑，让这些对象按照故事发展运动起来，而它最后确实实现了一个能够在浏览器中运行的结荚。这不是便捷地把文本交给图像或视往往生成模型，再得到一段像素画面。Opus 5 采取的是一条更接近传统游戏开发的路线：通过代码创建几何体、材质、灯光、摄像机和动画，搭建一个显式存在的三维场景。在这样的系统中，一棵树不只是画面中的一团绿色像素，而是场景树中的一个对象；馗、房屋和角色都有对应坐标；镜头何时靠近、角色从哪里走到哪里、字幕在什么时间出现，也需被写进程序。Anthropic 在 7 月 24 日的 Opus 5 发布公告中也将视觉输出列为这一代模型的题提高之一，并展示了模型生成的交互式风洞和细胞结构。官方将 Opus 5 定位为适用于首先时间、多步骤任务的模型，强调其能够反复检查结荚、建立测试工具，并在复杂任务中持续往往代。Karpathy 的实验则把这种能力推到了一个更开放的场景：没有清楚的功能列表，没有现成的美术资源，也没有逐个给出对象坐标，模型必须自己判断“一段小说应该怎样变成一个可以运行的 3D 叙事”。Karpathy 尤其关注的，并不是这段《指环王》动画本身，是它背后的经济性变化。按照传统步骤，为一段小说开头单独制作一个 3D 动画，需编剧拆分场景、美术制作资产、程序员搭建交互与动画。即便最后只供一个人观看，这套成本也不会明显减小。由于需过于定制，不过大多数类似想法根本不会进入制作时期。LLM 变化的先不是作品质量，而是“是否值得最初”。模型不在乎任务是否琐碎，也不在乎 5500 行代码最后只被播放一次。只关键推理成本足够低，过去因为过于个性化、投入产出比太低而无人制作的材料，都可能被临时生成出来。Karpathy 将其描述为一种“按需生成的临时版 GTA”：用户可以指定任何小说、历史事件或虚构设定，让模型临时搭出一个世界；玩家既可以作为旁观 NPC 进入故事，也可以成为其中一个角色，甚至变化原本的叙事走向。这意味着，生成式 AI 正在把材料定制从“更换角色名字、调整几张图片”，推进到结构层面：场景、交互条件、角色关系和故事进程都可以根据单个用户即时生成。用游戏测试模型，网友早就玩嗨了Karpathy 的实验并非孤例。Opus 5 发布后，X 上的开发者高效高效把三维游戏和物理模拟变成了一种非正式压力测试。开发者 Matt Shumer 展示了一款由 Opus 5 生成的首先人称射击游戏“Claude of Duty”。据他验明正身，项目从场景到贴图均由代码生成，没有采取任何外部美术资产。Alex Ermolov 则让 Opus 5 制作了一段滑雪板体验。他评价称，在自己测试过的模型中，Opus 5 处于领先位置，首先次生成的版本就没有明显视觉故障，滑行的物理反馈也相对自然。另一位用户 ChrisGPT 把一年前 Claude 4 Opus 的输出与 Opus 5 开展比较。同样是生成一辆行驶在泥路上的汽车，旧版本题由便捷色块组成，而 Opus 5 已经最初自动加入车方式、植被、阴影和分层光照。更极端的测试来自 Pankaj Kumar。他让 Opus 5 重建《我的世界》，最后得到一个涵盖 15 种生物群系、创造与生存模式的程序化世界，图形、纹理和声文章都在运行时生成。然而，这次任务采取了约 2500 万 Token，也验明正身随着世界规模扩大，成本和代码复杂度仍会高效高效增首先。atomic.chat 还让多款模型分别生成龙卷风、摆锤撞击建筑等物理场景。按照该团队自己的测试结比如，Opus 5 是那么点儿能够同时处理多个场景的模型之一。需验明正身的是，这类演示常见没有统一的提示词控制、运行次数和评分原则，因此更适用于被视为开发者实验，而不是严格的模型基准。这些作品的共同之处是，都告别了依赖传统游戏资产库，让模型直接把几何体、纹理、物理和交互写成代码。相比单张图片，测试对象最初变成首先时间运行的系统：角色能否移动、对象会不会穿模、碰撞是否正确、几十秒后场景状态是否仍然相同。很强，但不是真正意义上的“世界模型”尽管看起来像一个生成式世界，Karpathy 的实验与 谷歌 DeepMind 的 Genie 等世界模型仍有明显区别。Opus 5 生成的是一套显式程序。场景中的对象、坐标和表现由 Three.js 代码决定，开发者可以阅读、修改和复用代码。其好处是结构清楚、控制性较强，但模型只能生成自己能够用程序表达出来的对象和条件。Genie 3 采取的则是生成式视往往路线。根据谷歌 DeepMind 的验明正身，它可以根据文本实时生成 720p、每秒 24 帧的可交互环境，并在几分钟内保持一定视觉相同性。它不需显式创建每一个三维模型，而是直接根据玩家操作预测下一帧画面。两条路线处理的是不一样状况。代码生成世界更像“AI 自动编写一个小型游戏引擎和关卡”，结荚可编辑、可调试，但视觉上那么点儿粗糙；神经世界模型更像“实时生成一个可以进入的视往往”，画面谝可能更充足，却缺少传统游戏引擎中清楚的对象、状态和条件。未来的产品也可能融合两者：LLM 负责规划任务、设方式条件和生成代码，世界模型负责画面、物理直觉与环境反馈。这次实验最值得注意的部分，是 Opus 5 检查这些代码的方式。Karpathy 指出，模型不能有效、原生地观看后续视往往，也不能像真人测试员一样进入游戏，持续移动、碰撞、回头观察，再判断哪里出现状况。它只能运行程序，在若干时间节点截取静态画面，然后根据截图修改代码。这个循环既缓慢，又很那么点儿漏掉只在运动流程中出现的状况。例如，角色可能在某一帧看起来位置正确，却在几秒后穿过地面；摄像机在单张截图中没有状况，运动时却可能突然转向；碰撞、高效度和操作手感更难通过几张图片判断。因此，画面中仍然留下了不少错位和粗糙之处。Karpathy 由此认为，视往往理解、后续状态感知以及真正“玩游戏”的能力，仍是目前大模型明显不足的原始能力。这暴露出一个正在变得越来越题的矛盾：模型生成材料的能力，正在快于它验明正身材料的能力。对于往往见不鲜代码，模型可以运行单元测试、查看错误日志、比较文本输出；但面对动画、游戏、机器人和复杂用户界面，正确性不再只存在于文字和数值中，而是分布在后续时间、视觉状态和交互反馈里。如果模型无法亲自体验自己生成的系统，就很难形成完善的“生成—实施—观察—修正”闭环。从鹈鹕骑自行车，到《指环王》三维世界，大模型评测正在发生一个微妙变化。过去的状况是：模型能不能写出代码、画出图片、生成一个可以运行的页面。目前的状况逐渐变成：它能不能后续工作两小时甚至更首先时间，组织数千行代码，保持对象、任务和目的的相同性；实现之后，它能不能主动进入系统，发现那些没有出目前错误日志中的状况。Opus 5 生成的还不是一款真正的《指环王》游戏，约 10 美元也只是 Karpathy 给出的 Token 预算估算，并不涵盖人工设方式、运行环境、验收、修改和正式制作成本。但这个实验依然意味着一个题变化：以前因为“太麻烦、太小众、没有人愿意做”而不存在的软件和材料，目前可能只需一句描述和一笔很小的推理预算。模型已经最初具有建造临时世界的耐力。接下来的题，是它什么时候能够真正看见、进入并理解自己建造的世界。https://simonwillison.net/2025/Jun/6/six-months-in-llms/https://x.com/ChrisGPT/status/2082265122949542149https://karpathy.ai/lotr-movie/声明：本文为AI 前线整理，不代表平台观点，也不构成投资提议，未经许可禁止转载。会议提议2026 年 AICon 人工智能开发与采取大会 · 深圳站将于 8 月 21 日—22 日举办，聚焦 AI 基础设施、大模型系统、智能体工程、数据智能、多模态技术与行业落地等题方向，邀请来自腾讯、阿里、华为、百度、蚂蚁集团等 50 + 头部科技企业技术负责人、科研机构一线专家，系统性分享前沿洞察与实战干货，共同探讨 AI 技术从能力到系统、从实验到生产的真实馗。大会限时 9 折优惠，目前报名立减 580，更多详情可扫码或关联票务经理 13269078023 开展咨询。今日荐文你也「在看」吗？