大数跨境

Karpathy花10美元让AI读了一段《指环王》,两小时后,一个3D中土世界在浏览器里活了

Karpathy花10美元让AI读了一段《指环王》,两小时后,一个3D中土世界在浏览器里活了 未来跃迁
2026-08-03
0
导读:Karpathy花10美元让AI读了一段《指环王》,两小时后,一个3D中土世界在浏览器里活了

十美元
两小时
五千五百行代码
一段托尔金的开篇散文被喂进大模型,吐出来的却是一个可以在浏览器里跑起来的三维中土世界,低多边形的地平线、闪烁的灯光、缓缓推进的动画镜头,虽然粗糙得像一幅会动的草稿,但它确确实实在讲故事。

这段演示出自前 OpenAI 研究员 Andrej Karpathy 8月2日发布的实验。
他用 Anthropic 的 Opus 5,把《指环王》第一段文字翻译成了一个完整的 Three.js 三维场景。
模型自己摆放物体、自己编排动画、自己在 (x, y, z) 坐标系里搭建世界。

然后他说了一句让整个AI圈炸锅的话:"画鹈鹕骑自行车的时代,结束了。"

▲ Karpathy 原帖附 1 分 32 秒演示视频,展示 Opus 5 程序化渲染的低多边形中土世界

"鹈鹕骑车":一个传奇测试的生与死

要理解这件事的分量,得先聊一只鸟

2024年底,知名开发者 Simon Willison 想出了一个绝妙的AI测试题:让模型用 SVG 代码画一只骑自行车的鹈鹕。
为什么是鹈鹕?
因为他喜欢,因为网上几乎不可能有现成的训练数据可以"背答案",因为自行车本身就很难画对,轮子、踏板、链条的空间关系极其刁钻,而鹈鹕那笨拙的身形更是不可能优雅地骑上去。

这道题简直是天才级的能力探针
短短几秒就能跑完,肉眼就能评分,也方便公开比较。
Willison 甚至在 GitHub 上建了一个仓库 pelican-bicycle,把 Claude、GPT、Gemini、Llama 等各家模型的 SVG 输出统统收集在一起,一个用鹈鹕写成的AI编年史。

但问题来了
随着 Claude 迭代、GPT 升级、Gemini 换代、开源模型疯狂追赶,鹈鹕开始变得越来越像鹈鹕了。
自行车也画得越来越对
当所有前沿模型都能交出"还不错"的答案时,这道题的区分度就塌缩了。
就像高考如果满分的人太多,这张卷子就废了。

▲ GitHub 仓库里堆满了各家模型的 SVG 文件,鹈鹕测试的"标本馆"

Willison 自己也很清醒
他甚至半开玩笑地吐槽过:"我一发鹈鹕的图,就有人说实验室在针对我的基准刷题。"
 这正是所有公开测试的宿命,越有名越容易被污染,越被污染越需要"搬家"。

▲ Willison 的元吐槽:探针一走红,"实验室会不会训练到我的题"的焦虑随之而来

从一只鸟到一个世界:Karpathy 的"加长版考试"

Karpathy 做的事情,本质上就是把考卷难度拉到另一个维度。

他没有发明一道新的"画 XXX"题,而是直接换了赛道:输入从一句 prompt 变成了一段文学散文;
输出从一张二维 SVG 变成了一个 Three.js 三维世界;
过程从几秒的一次性生成,变成了约两小时、约一百万 token 的长程马拉松。

这里要给不写代码的朋友科普一下:Three.js 是浏览器里最主流的3D图形库,用 JavaScript 创建场景、相机、灯光、模型和动画。
它的复杂度远超画一张 SVG:物体的位置、运动时序和动作都要互相配合。
五千五百行这样的代码,命名规则、坐标系统、场景结构全程不能自相矛盾。

而模型居然做到了
虽然,用 Karpathy 自己的话说,"有点毛糙(janky),但很好玩"。

▲ Three.js:全球开发者最常用的浏览器 3D 引擎,星标量级巨大

"没人会做的事"变成了"为什么不试试"

Karpathy 在帖子里把话题引向一个经济学直觉:

"正常人不会花时间写这种极度定制的东西。但 LLM 不累。于是任务就从'没人会做'变成了'几乎免费,为什么不?'"

这句话的射程远超一个 demo
想想软件史上有多少需求死于"理论上有用、经济上不成立":只服务六个内部用户的小工具、一年用两次的分析脚本、为单个客户定制的入职体验……当实现成本被压缩到一张 API 账单的量级,整条创意供给曲线都会被改写。

他甚至给出了一个极具诱惑力的产品想象:"按需生成的、短暂的 X 版 GTA",你可以作为旁观 NPC 走进《指环王》的故事,或者扮演某个角色,在一个用完即弃的互动世界里经历情节。
这类产品会是一次性的、高度定制的、像 Flash 小游戏一样短命但有趣的东西。

这让人想起互联网早期那些疯狂的 Flash 恶搞关卡、主题网站、粉丝互动小说。
许多作品最后停更,维护成本是重要原因。
如果大模型把创作门槛从"懂 ActionScript 的爱好者"降到"会写一段场景说明的任何人",那种文化生产力,可能会再次爆发。

能生成,但看不见自己的作品

然而,Karpathy 紧接着就亮出了硬币的另一面。

"世界/游戏这个领域暴露了 LLM 的一个弱点:它们不能高效地、原生地'看视频'或'玩游戏'。"

这句话精准地戳中了当前AI能力版图上最尴尬的一块空白。
Opus 5 在两小时里写了五千五百行代码,但它看不见自己写出来的东西长什么样。
它只能非常缓慢地截屏、看截屏、再改代码。
这个过程又慢又容易漏,于是留下了一堆 jank,穿模的物体、诡异的镜头、不连贯的动画。

类似问题也见于图形界面生成、网页还原、游戏关卡设计和数据可视化。
凡是最终交付物落在"像素与交互"上的任务,都卡在同一个闭环难题上:模型的文本推理再强,如果缺少稳定、便宜的"看与玩"的能力,世界构建就很难越过"能编译运行的草稿"阶段。

代码可以 lint,可以跑单元测试
但一个三维动画"好不好看、对不对"?
这需要眼睛
大模型暂时还缺少高效的视觉闭环

▲ Musk 回复了一个干脆利落的 "Yah",话题正式进入更广的科技舆论场

社区要资助"全三部曲基准"

帖子发出后,讨论很快涌来

开发者 Mckay Wrigley 直接喊话:"求求谁来资助把整部三部曲都做成基准吧!" ,他代表的是社区里一种强烈的冲动:别让这停在一个酷炫 demo 的阶段,冻成可复测的标尺。

▲ "请资助全三部曲基准",从 demo 到正式评测的社区呼声

也有人玩起了文化梗
有用户回复问 Karpathy "你是 Bombadil 粉还是黑?"
(Tom Bombadil 是《指环王》里最神秘的角色,托尔金读者圈永恒的争议话题),讨论由此越过技术圈,触达了更广的文化受众。

▲ 托尔金粉丝梗乱入:技术讨论秒变文化现场

而 @pluto7000 的引用转发则用一种近乎亢奋的语气宣布:"Karpathy 说我们正在离开鹈鹕骑车的SVG测试领地,进入'指环王'测试,这是超级大事!"

▲ 社区的二次概括:从鹈鹕领地到指环王领地的"历史性迁移"

尺子必须比被量的东西跑得更快

退一步看,Karpathy 这次实验触碰了AI评测领域一个深层焦虑:基准的保质期越来越短了。

鹈鹕骑车 SVG 从提出到"饱和",不过大半年。
SWE-bench 从惊艳到被质疑"刷榜"、scaffold 工程、best-of-N,也就一年多。
学术界已经在追赶:SWE-EVO 等新工作试图用跨多文件、多迭代的长程软件演化任务来拉开区分度,结果发现,模型在这些长程任务上的表现可以远低于在短任务上的数字。

Karpathy 的 LoTR 实验算不上严格基准,统一评分器、固定种子集和排行榜都还缺席。
但它精神上指向了同一个方向:用开放性对抗饱和,用长度对抗刷题,用感知验证对抗纯文本自测。
代价是可重复性变难,自动化评分变难。
但至少,它在"这道题够不够难"上,暂时跑赢了模型。

这是一场永不停歇的军备竞赛
模型在进化,尺子也必须进化
而当尺子跑得不够快时,就像鹈鹕题的遭遇,我们甚至不知道前沿在哪里。

Karpathy 用十美元和一段托尔金,给所有人演示了一件事:下一代考试,大概不会再是一道选择题了。
它会是一整个世界


【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602