一段托尔金笔下的中土世界开篇文字，在AI手里能变成什么？前OpenAI联合创始人、现任Anthropic预训练研究员的安德烈·卡帕西（Andrej Karpathy）给出了一个让人眼前一亮的答案：大约10美元的成本、两小时的自主运行，外加5500行代码，一座可以在浏览器中漫游的《指环王》3D场景就诞生了。8月3日，这位AI大神在社交平台公开了完整实验过程，并把源代码一并开放，在AI圈引发热议。
这场实验之所以引人注目，在于它把大模型测试从单张图片的静态任务，推进到了持续约两小时的完整制作流程。卡帕西给Claude Opus 5下达的指令很简单：把《指环王》开篇故事用Three.js制作成3D动画，预算100万token。模型需要自己理解原文、拆解场景、创建多边形资产、把人物和物体放进三维坐标，再编写镜头与动画代码，并在运行过程中不断检查修正。最终交付的不是视频模型合成的画面，而是一个能在浏览器里运行的完整程序。
从实际效果看，Claude Opus 5的表现超出了多数人的预期。模型自主完成了资产建模、坐标摆放、镜头设计和动画编排，山川、道路和建筑的位置关系已经有了基本的空间逻辑，场景虽然粗糙但整体可玩。音频部分由ElevenLabs提供，最终呈现在浏览器里的中土世界，已经具备了一座可探索虚拟场景的基本骨架。卡帕西将这次实验定义为一次气氛检查，而非严肃的基准测试，但恰恰是这种轻松的定位，让更多人看到了大模型在长程创作任务上的真实潜力。
与传统测试相比，这次实验的含金量体现在任务复杂度上。过去测试大模型视觉编程能力，主流做法是让模型用SVG画一只骑自行车的鹈鹕，这类任务结果直观、生成时间短，但已接近能力上限。卡帕西把测试扩展到了需要持续迭代的3D场景制作：模型先读懂文本，再规划场景结构，随后动手写代码，最后还要自我检查修正。这种端到端的长流程任务，更接近真实的游戏开发工作，也更能暴露大模型的真实水平。
值得注意的是成本。整场实验消耗约100万token，花费约10美元，折合人民币不到70元。放在过去，让一个专业团队搭建同等规模的3D场景原型，动辄需要数天时间和数万元预算。卡帕西感慨，这种几乎零成本的生成能力，正在重塑人们对AI创作成本的想象。当模型能够以近乎免费的方式产出可交互的3D世界，游戏原型验证、场景概念设计等环节的成本结构将被彻底改变。
实验并非一帆风顺。卡帕西坦承，Claude Opus 5无法高效观看连续视频，也无法进入场景试玩，只能通过缓慢截取不同时点的画面逐张检查视觉效果。这种间接反馈机制造成了一些明显错误，模型需要反复调整才能让画面达到基本可用。他直言，这种方式的可靠性还远不足以打造真正的游戏产品，但若只论创造一种感觉，它已经及格。
这种短板恰恰揭示了当前大模型的共性瓶颈：生成能力与验证能力的脱节。模型可以快速写出大量代码，但缺乏实时感知自身产出的能力，只能依赖静态截图这类低效反馈。卡帕西将这一问题形象地比作人类写作时无法回看自己刚写的文字，只能凭记忆判断好坏。芬兰手游公司Supercell的创意AI主管提出，可以把程序化动画输入Seedance等视频模型提升画质，卡帕西赞同这一思路，认为程序化代码负责分镜和控制，视频模型负责纹理和最终视觉效果，两者结合或许能补上验证环节的短板。
从技术演进的角度看，这次实验还带出一个更深层的信号：模型能力正在从参数智能走向执行环境协同智能。过去评测大模型，看的是它能答对多少题；如今评测维度已扩展到模型能否在真实环境中自主规划、执行、纠错。卡帕西设想，未来大模型可以按需生成临时虚拟世界，用户说出需求即可获得可交互的空间。虽然这一天还有距离，但10美元成本下的这次尝试，已经让行业看到了通往那个方向的路径。
这场实验的更大意义，在于它重写了AI评测的方法论。过去一年多，科技圈流行用各种气氛测试检验模型能力，最著名的是Simon Willison设计的鹈鹕测试，让AI画一只骑自行车的鹈鹕。这个提示故意足够荒诞，确保训练数据中几乎不存在现成对应图像，既考验物体组合，也考验对结构关系的理解。这类测试的源头可以追溯到2023年微软发表的《Sparks of AGI》论文，当时研究者让GPT-4用TikZ画一只独角兽，并视其为模型具备空间推理能力的证据。
卡帕西认为，鹈鹕测试已经接近上限，各大模型都能交出令人满意的SVG，因此他把目光投向了更复杂的3D场景生成任务。从静态单图到动态长流程，测试难度的跃升背后，是模型能力边界的扩展。当单幅图像测试无法再区分模型优劣，行业需要设计更贴近真实生产的评测任务，而这正是卡帕西这次实验的探索方向。他选择《指环王》开篇作为输入，因为文本足够丰富，能考验模型的空间想象力与场景组织能力。
对于游戏行业而言，这次实验传递的信号同样清晰。当AI能以极低成本生成可交互的3D场景原型，游戏前期验证的试错成本将大幅下降。独立开发者可以先用AI快速搭建概念场景，再决定是否投入重金精细化制作。卡帕西把源代码完全公开的做法，也让更多开发者可以直接上手复现实验，验证模型在自身需求场景下的表现。可以预见，围绕长程创作任务的AI评测体系将加速成型，而10美元造出3D世界的这一天，只是一个开始。