Show me《指環王》！卡帕西強推大模型評測新基準

來源原標題

Show me《指環王》！卡帕西強推大模型評測新基準

作者

henry

原始標籤

資訊

原始連結

https://www.qbitai.com/2026/08/467663.html

摘要原文

Show me《指環王》！卡帕西強推大模型評測新基準 henry 2026-08-07 09:15:42 來源： 量子位 指環王成為大模型新基準 henry 發自 凹非寺 量子位 | 公眾號 QbitAI 話不多說，直接開始每日癱坐（doge）！ 就在剛剛，大神卡帕西宣佈，“我們”Anthropic已經開始用一種全新的方式，給大模型上強度—— 《指環王》。 據卡帕西介紹，這套“指環王基準”，正在接替過去風靡一時的“鵜鶘騎腳踏車”SVG測試。 具體來說，卡帕西直接把《指環王》的開頭丟給Opus 5，讓模型用Three.js現場搓出一整個“中土世界”。 至於最終效果嘛，多少有點像上世紀90年代末、21世紀初的國產3D動畫片：很粗糙，也很抽象。 但客觀來說，仔細看上一會兒，如果你又恰好熟悉坐落在紐西蘭的《指環王》取景地霍比屯，倒也確實能看出那麼一絲味道～ 不過，就是這麼個看起來不太精緻的玩意，卻實打實地花掉了Opus 5： 100萬token ， 2個小時 以及 5500行程式碼 。 當然，舞臺上也並非只有Claude一模獨自美麗。 最搞笑的，還得是網友新端上來的一碗DeepSeek V4 Flash版本。 直接一整個“中國人能飛”，畫面人物全員漂浮。 面對這些目前肉眼可見的穿幫，卡帕西倒也相當中肯。 他指出，Opus 5目前還無法真正“進入”自己生成的世界，只能在不同時間點不斷截圖，再慢慢檢查哪裡出了問題。 而這恰恰暴露了當前大模型的一塊明顯短板： 它們已經能寫程式碼、搭場景、生成遊戲，卻還不能真正看懂影片，也不會親自玩一遍自己做出來的遊戲。 兩小時，手搓一箇中土 咱們先來看這個“指環王”測試具體是怎麼做的。 如果按照卡帕西推文的字面意思，這次輸入給Opus 5的主要提示詞，應該就是《指環王》正文第一章《期待已久的宴會》的開頭。 袋底洞的比爾博·巴金斯宣佈要舉辦盛大的111歲生日宴會，霍比屯立刻議論紛紛…… 有興趣的朋友可以自己試一下。 除此之外，卡帕西還在提示詞裡指定了Three.js，也就是一個用程式碼搭建3D場景的JavaScript庫。 由此，Opus 5要完成的任務，就是先讀懂《指環王》開頭的文字，再把它翻譯成一個能夠在瀏覽器中即時執行的3D世界。 整個過程中，Opus 5需要用多邊形拼出人物、建築和道具，把它們逐個放進x、y、z座標系，再安排好攝像機、燈光和動畫。 人物什麼時候移動，鏡頭往哪裡轉，燈光如何變化，場景中的物體又該如何互動，全部需要模型用程式碼定義。 雖然最後的畫面稱不上精緻，而且經常出現穿模、漂浮等問題，比如人物的身體和腦袋分離……但整套場景好歹被真正搭了起來。 需要注意的是，這和影片模型直接生成一幀幀畫素並不是一回事。 Three.js需要先把人物、物體和場景作為三維物件建立起來，再根據程式碼即時計算它們的位置、角度和運動狀態。 所以，我們看到的Demo並不是一段普通的AI生成影片，而是一個3D網頁場景執行時的錄屏。 不過，卡帕西在評論區也提到，程式化3D和影片生成並不是二選一。 有網友提議，可以把這個粗糙的Three.js錄屏交給Seedance充當參考影片，再讓影片模型用更高的畫質重新渲染一遍。 卡帕西很快表示贊同。 按照他的設想，程式化程式碼可以負責分鏡和控制，先把人物站在哪裡、鏡頭怎麼運動、劇情如何推進這些骨架敲定。 接下來再把錄屏交給Video-to-Video模型，讓它補上紋理、光影和細節，把整個中土世界的“賣相”拉滿。 至於音訊，Opus 5這次倒沒有一起包圓。 卡帕西表示，出於個人對音質的要求，最終使用的是ElevenLabs。 於是，開頭那段有畫面、有鏡頭、還有旁白的《指環王》Demo，就這麼橫空出世了。 卡帕西也已經將整個專案開源，具體連結可以參考文末。 網友比卡帕西有意思多了 就在卡帕西放出Demo後，不少網友也趕來測試了一番。 整體看下來，只能說： 這屆網友比卡帕西有想像力多了。 有人用Claude啟動了一個「Earth Online」專案，目標是靠一群AI Agent，把整個地球一點點搭出來。 目前，Agent還沒造完整個地球，只搭出了一個低多邊形風格的舊金山濱水區。但從現有畫面來看，建築比例、人物尺度和整體風格都保持得相當統一。 這個效果有點像那種樂高世界的動畫片。畫風不複雜，但人物、場景和動作能在同一個世界裡穩定執行。 照這個方向繼續走，簡單畫風的動畫和輕量遊戲，已經有了點AI原生的雛形。 還有網友用Fable 5和GPT-5.6 Sol搭出了紐約市的3D數字模型，並在其中接入即時資料。 模型不僅要把紐約的街道和建築擺對，還要維持不同區域之間的空間關係。作者也因此提出，這種生成虛擬世界的任務，或許可以成為一種新的空間推理Benchmark。 更誇張的還在後面。 有網友沒買到Kanye West的演唱會門票，乾脆用AI在瀏覽器裡給自己補辦了一場。 整個專案依舊由Three.js搭建。只有一個HTML檔案，沒有呼叫任何現成的3D模型，舞臺、人物和燈光全部由程式碼生成。 整場演唱會一共準備了14首歌，每首歌都有獨立的燈光設計和一套專屬的球形舞臺視覺。 普通使用者可以試聽片段，連線Spotify Premium後，還能播放完整曲目和整場演出。 沒搶到票，直接給自己生成一個包場，太虧賊了！ 還沒完！！！ 卡帕西在原帖末尾還暢想，後續可以給這些3D世界加入玩法，讓玩家以旁觀者、NPC甚至故事角色的身份進入其中。 結果遊戲版本還沒等卡帕西安排，網友已經做出來了。 這個專案同樣使用Opus 5和Three.js，不僅能執行和互動，連音訊都配上了。 更多3D設計案例也在不斷出現。從建築比例、空間佈局到場景風格，Opus 5已經能在規模不小的專案裡維持相對穩定的一致性。 類似例項還有很多，這裡就不逐個展示了。 客觀來講，這些作品距離真正成熟的遊戲仍有距離。 眼花繚亂的玩法是否有趣、長時間執行是否穩定、玩家會不會真的願意在裡面待上15分鐘，目前都還沒有答案。 但即時3D內容和可玩原型的製作門檻，確實被向下推了一大截。 更何況，能有一種新的方法測試模型能力，同時又足夠有趣、好玩，豈不美哉？ 鵜鶘，騎到頭了 那麼，為啥突然要讓大模型生成《指環王》呢？ 這還得從前幾年爆火的“鵜鶘騎腳踏車”測試說起。 這道題最早來自開發者Simon Willison，要求只有一句話： 生成一張鵜鶘騎腳踏車的SVG圖片。 雖然這題目看起來簡單，但其實它相當考驗模型。 因為SVG看起來是一張圖片，底層卻是一串程式碼。 模型不僅要知道鵜鶘和腳踏車分別長什麼樣，還得把它們拆成線條、圓形和多邊形，再用座標安排好每個部件的位置關係。 更關鍵的是，鵜鶘和腳踏車本身就不怎麼般配。 腳踏車的車架、輪胎和踏板必須保持正確的幾何結構；鵜鶘則長著大嘴、短腿，以及一副怎麼看都不像會蹬車的身材。 兩者一組合，模型到底有沒有理解空間關係，幾乎一眼就能看出來： 輪子歪沒歪、腳踩沒踩到踏板、鳥到底是在騎車，還是被車架當場肢解。 看看上面這些24年年底的demo吧～ 正因如此，“鵜鶘騎腳踏車”一度成了民間觀察大模型空間理解、物體組合和程式碼生成能力的經典測試。 但隨著模型越來越強，這隻鵜鶘也快騎到頭了。 看看下面DeepSeek R1和DeepSeek V4的表現就知道，如今的模型已經能把這道題完成得相當像樣。 更重要的是，一張SVG只能考察模型的一次性輸出。 它測不出模型能不能規劃一個複雜專案、連續工作幾個小時，並在幾千行程式碼裡反覆檢查和修正自己的錯誤。 於是，卡帕西把一道“畫張圖”的小題，換成了“搭個世界”的大工程—— 鵜鶘可以下車了，中土世界正式接棒。 卡帕西的鵜鶘 很快，卡帕西準備給“鵜鶘測試”換題的訊息，也傳到了各大社群。 Hacker News的高贊評論認為，雖然這些Demo的畫面質量都很一般，但這恰恰說明，我們需要一個比生成單張圖片更難的新測試。 新的基準不該只看模型能不能把圖畫對，還要考察它能不能理解一個世界。 畢竟，“鵜鶘騎腳踏車”已經用了太久。 模型不斷針對這類任務刷榜，彼此之間的差距越來越難看出來。 相比之下，生成一個完整的3D世界，需要模型理解人物和物體之間的空間關係，處理鏡頭、動作和場景變化，而不是簡單呼叫影片生成模型吐出一段畫面。 當然，也有人提出反對意見。 鵜鶘測試足夠簡潔，成本低，結果也容易比較。 為了測一次模型，消耗那麼多Token生成整個3D世界，多少有點拿算力放煙花的意思。 與此同時，Three.js本身能不能衡量大模型的綜合能力，也遭到了質疑。 有人認為，這類Demo最多隻能證明Anthropic在Three.js程式碼上訓練得不錯，不能說明模型真的理解了空間和物理世界。 但很快就有網友反駁： 把一段抽象、含義模糊的文學文本轉化成3D動畫，模型需要同時處理空間關係、物理規律、日常物體，以及3D變換和計算機圖形學中的數學問題。 如果這還只能算“會寫Three.js”，多少有點低估這5500行程式碼了。 還有網友提出了一個更開放的問題： 所謂“空間推理”，真的和大模型平時處理文字、程式碼時的推理不同嗎？ 一種觀點認為，畫面能否成立，取決於模型是否理解“前後、內外、遠近、遮擋”等空間關係，以及物體在不同視角下的距離、角度和相對大小。 但另一種觀點認為，無論模型處理的是“石頭旁邊”，還是“數組裡面”，做的可能都是同一件事：根據上下文逐個生成Token，並在這個過程中完成推理。 如果是這樣，那麼，Opus 5展示的就不只是一項突然冒出來的“空間能力”。 更可能的情況是，大語言模型原本用於理解文字和程式碼的通用推理能力，已經開始自然延伸到三維世界。 從畫一隻鵜鶘，到搭出一箇中土世界，題目看起來變了，但背後測試的或許始終是同一個問題： 模型能不能把自己對世界的理解，轉化成一套真正能夠執行的結構。 而在最後，也許還有一個更加離譜的問題—— 如果通用大模型已經能夠自己寫程式碼搭建3D世界，再呼叫Seedance、ElevenLabs等API完成畫面和聲音，那麼使用者還有多少必要，親自開啟一個專門的影片生成產品輸入Prompt？ 參考連結 [1]https://karpathy.ai/lotr-movie/ [2]https://simonwillison.net/2025/Jun/6/six-months-in-llms/ [3] https://x.com/wizardbrainz/status/2083012159341203708 [4]https://x.com/aniketjart/status/2083645765097033845 [5]https://x.com/davidfromkansas/status/2075691129899528254 [6]https://x.com/MindaugasLT/status/2083488027343470939 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 henry 智元下架了首席科學家羅劍嵐 2026-08-07 全新統一流式架構，Vivix靈動時刻正式釋出首個即時互動模型 2026-07-25 GPT-5.6自己最佳化自己實錘了，新的左腳踩右腳已經出現 2026-07-30 李飛飛的世界模型，終於開始訓練機器人了 2026-07-30