新智元报道
【新智元导读】Fable 5 重新上线，Arena.ai 的 Gostev 在一段视频中展示了 63 个几乎一次成型的 3D 世界。其表现之惊艳，令刚加盟 Anthropic 预训练团队的 Karpathy 也直呼意想不到。
一头熊站在河边咬住跃起的鲑鱼，鱼在口中拼命挣扎。这个动态画面让 Andrej Karpathy 深感震撼。
他在推文中评价道：“太不可思议了，我之前没意识到模型竟然能创造出如此精彩、丰富且可玩的世界。”并提出了一个新词：fablemaxxing，形容这种在模型层级上实现的质的飞跃。
Karpathy 于今年 5 月加入 Anthropic 预训练团队。视频作者 Peter Gostev 来自 AI 评测平台 Arena.ai。Fable 5 于 6 月首发，曾因美国出口管制短暂叫停，已于 7 月 1 日解禁。
Gostev 利用 Fable 5 一次性生成了 63 个高难度 3D 场景，多数基于 Three.js 且一次成型。一个月前，AI 一键生成可交互 3D 世界尚属天方夜谭，如今已成为现实。Gostev 感慨，即便是实验室内部人员，也尚未完全摸清该模型的潜力边界。
1600 行代码构建活着的水下曼哈顿
视频中最令人印象深刻的案例是一座沉入水下的曼哈顿城。中央公园、摩天大楼及街道纹理细节丰富，支撑这一切的仅有 1600 行代码。
Fable 5 生成的曼哈顿涵盖了从 Battery 到 Inwood 的全岛景观，数万栋建筑轮廓清晰，均由少量代码驱动。
Gostev 共制作了 63 个世界，分为六大主题：
- 巨型城市：横跨欧亚的伊斯坦布尔、历经 2000 年变迁的伦敦、宏伟的金字塔、庞贝火山喷发场景以及车流穿行的金门大桥。
- 奇幻与微观：由糖果构成的巧克力工厂、纽约屋顶跑酷场景、全功能飞行模拟器，以及将视角压缩至一毫米高的蚂蚁花园。
- 自然奇观与宇宙：尼亚加拉大瀑布、萤火虫森林、被劈开的红海、正在诞生的火山岛及太空电梯。
Gostev 指出，单一场景的生成并非难点，真正的挑战在于模型能否协调海量元素。较弱模型往往在最后阶段崩溃，导致调试时间远超生成时间，而 Fable 5 在此方面表现卓越。
超越临摹：从看懂名画到重构世界
相比逻辑严密的城市建造，艺术作品的 3D 化更令人惊叹。以梵高的《星空》为例，模型并非简单复制像素，而是用独立的线条在三维空间中重构笔触漩涡，让用户得以飞入画中穿行。
莫奈的《睡莲》和葛饰北斋的浪花同样被“打开”为可漫游的立体世界。Gostev 认为，Fable 5 具备极强的解释力，能够演示并阐明事物的运作机制。
这些成果并非仅凭“一句话”提示词生成，而是基于详尽的规格文档。尽管部分案例经过了一到两轮微调，但相比过去需要十几轮迭代，现在多数仅需一个 HTML 文件即可一次成型。
魔法背后的短板与突破
Gostev 坦言，展示的 63 个案例是从总量中筛选出的精品，剔除了约两成存在明显 Bug 的生成物。目前模型在游戏性上仍有局限，部分可玩场景持续时间较短，且风格有时过于卡通化。此外，模型偶尔需要用户反复引导才能发挥最大潜力。
尽管如此，Fable 5 上线即在 Arena.ai 的 Agent Arena 榜单上以史上最大优势登顶。该榜单旨在衡量模型在数百万次真实任务中的实际执行能力。
探索才刚刚开始
回到“熊抓鲑鱼”的场景，Karpathy 的困惑在于：模型并未被明确教导鱼类被咬后会挣扎，它是如何从互联网数据中学习并理解这一物理细节，进而将其转化为坐标、网格、动画及交互逻辑的？这标志着 AI 的能力已从“画得好”进化到“真正理解”。
Karpathy 预测，若再增加一到三个模型层级，其创造力将难以估量。Gostev 则呼吁开发者不要被半年前的技术认知所局限，应积极尝试利用新模型解决过去无法完成的任务。
连模型的创造者都尚未触及其边界，这场关于 generative 3D 的探索，才刚刚拉开序幕。
参考资料：
- GitHub: 3d-prompt-collection
- X (Twitter): @karpathy status update
- YouTube: Peter Gostev demo video
编辑：元宇