《指环王》成AI新考题：卡帕西用百万token让模型手搓3D中土世界

事件概述

Anthropic 的卡帕西（Karpathy）提出一种全新的大模型评测方式：将《指环王》小说开头作为提示词，让 Opus 5 使用 Three.js 构建一个可实时运行的 3D“中土世界”。模型需要理解文学文本，将人物、建筑、道具放入三维坐标系，并安排摄像机、灯光和动画。

最终生成的画面较为粗糙，类似 90 年代末的国产 3D 动画，存在穿模、漂浮等问题，但整套场景可实际运行。本次测试消耗约 100 万 token、2 小时计算时长，并产生了 5500 行代码。卡帕西也已将项目开源。

核心信息

• 新基准取代了此前流行的“鹈鹕骑自行车”SVG 测试。后者只要求模型生成一张 SVG 图，能考察空间理解和代码生成能力，但只能测试一次性输出；新基准则要求模型规划复杂项目、连续工作数小时，并在数千行代码中反复检查和修正错误。
• 卡帕西指出，Opus 5 目前还无法真正“进入”自己生成的世界，只能在不同时间点截图检查问题。这暴露了大模型的短板：它们能写代码、搭场景、生成游戏，却还不能真正看懂视频，也不会亲自体验自己生成的游戏。
• 卡帕西计划将程序化 3D 与视频生成结合：先用 Three.js 确定分镜和角色动作，再将录屏交给 Seedance 等 Video-to-Video 模型补充纹理、光影和细节；音频则使用 ElevenLabs 生成。
• 社区网友的测试结果多样：
  • 有用户用 DeepSeek V4 Flash 复现，画面中人物全部漂浮，被调侃“中国人能飞”。
  • 有用户用 Claude 启动“Earth Online”项目，尝试让 AI Agent 逐步搭建整个地球，目前已完成低多边形风格的旧金山滨水区。
  • 有用户用 Fable 5 和 GPT-5.6 Sol 搭建了纽约市 3D 数字模型，并接入实时数据，提出这可作为空间推理的新基准。
  • 有用户用 Three.js 仅凭一个 HTML 文件生成了 Kanye West 演唱会，包含 14 首歌、独立灯光设计和球形舞台视觉，支持连接 Spotify Premium 播放完整曲目。
  • 还有用户基于 Opus 5 和 Three.js 做出了可交互的游戏版本，并配有音频。

讨论与争议

• Hacker News 高赞评论认为，这些 Demo 画面质量一般，但正好说明需要更难的新基准。新基准不应只看模型能否把图画对，还要考察它能否理解一个世界。
• 也有反对观点认为，生成整个 3D 世界消耗大量 token，成本过高；同时，Three.js 生成只能证明模型在 Three.js 代码上训练得不错，不能证明它真正理解空间与物理。
• 支持者反驳称，将抽象、含义模糊的文学文本转化为 3D 动画，模型需要同时处理空间关系、物理规律、物体常识以及图形学中的数学问题，不能简单等同于“会写 Three.js”。
• 另一讨论聚焦空间推理的本质：有观点认为无论处理“石头旁边”还是“数组里面”，模型都是根据上下文逐 token 生成并完成推理。若如此，Opus 5 展示的内容可能是通用推理能力向三维世界的自然延伸。