XNews

カーパシー氏のOpus 5による『ロード・オブ・ザ・リング』3Dレンダリング実験

カーパシー氏のOpus 5による『ロード・オブ・ザ・リング』3Dレンダリング実験

現在Anthropicに所属するカーパシー氏は、Opus 5に『ロード・オブ・ザ・リング』の最初の段落を与え、100万トークンの予算(約10ドル)とthree.jsによるレンダリングを依頼するテストを公開した。モデルは約2時間稼働し、3Dでポリゴンアセットをアニメーション化する5,500行のプロシージャルコードを生成した。結果はぎこちないものの機能していた。カーパシー氏は、LLMは本来ビデオを認識したりゲームをプレイしたりできないため、Opusは苦労してスクリーンショットを撮る必要があり、エラーが発生したと指摘。同氏は、ユーザーが観客やキャラクターとして参加できる超カスタマイズ可能な一時的な世界の可能性を見出している。このテストは単純なSVG描画の課題を超えるものである。フォローアップの投稿では、これがカーパシー氏のAnthropic入社後初の長文投稿であること、およびAIが非テキストモダリティにおいて自身の作業を監査できないことが改めて強調された。

Key insights

単純な画像生成を超える新たなベンチマーク

カーパシー氏のOpus 5を用いた実験は、LLMのテストを自転車に乗ったペリカンのような単純なSVG描画から、複雑でインタラクティブな3Dシーンの生成へと移行させるものである。『ロード・オブ・ザ・リング』の最初の段落をプロンプトとし、three.jsによるプロシージャルレンダリングを要求することで、フロンティアモデルが物語テキストに基づいて3Dアセットやアニメーションを統合できることを実証した。これは狭い単一タスクの評価から、オープンエンドな創造的な世界構築への転換を示している。

Opus 5、2時間で5,500行のプロシージャル3Dレンダリングを生成

Opus 5は100万トークンの予算(約10ドル)を消費し、約2時間稼働して『ロード・オブ・ザ・リング』の冒頭をプロシージャルにレンダリングする5,500行のコードを出力した。コードは(x,y,z)座標でポリゴンアセットを配置・アニメーション化し、ぎこちないながらも楽しい3D体験を生み出した。この成果は、人間なら時間をかけないようなタスクに取り組むモデルのスタミナと忍耐力を示している。

LLMはネイティブなマルチモーダル監査能力を欠く

生成中、Opus 5はレンダリング出力を直接認識できなかった。異なる時点でスクリーンショットを撮る必要があり、それは遅くエラーが発生しやすく、誤りやぎこちなさの原因となった。カーパシー氏は、LLMは視覚的またはインタラクティブな領域で自身の作業を効率的に監査できず、生のマルチモーダル能力の弱点を露呈していると強調した。この制限はフォローアップの要約投稿でも重要な問題として指摘された。

一時的で超カスタマイズ可能な世界が実質的に無料に

カーパシー氏は、このような生成は『誰もこんなことはしない』から『もちろん、なぜやらないのか、ほぼ無料だ』へと移行すると論じた。同氏は、プレイヤーをカスタムの『ロード・オブ・ザ・リング』シーンに観客やNPCとしてドロップすることを構想し、それをオンデマンドの一時的なGTA・オブ・Xに例えている。これにより、インタラクティブでパーソナライズされたゲーム世界の創造が民主化される可能性がある。

カーパシー氏のAnthropic入社後初の長文投稿

この投稿活動は、カーパシー氏のAnthropic移籍後初の長文公開として注目された。テスト自体は従来の単一画像描画プロンプトから脱却する新しいアイデアであり、3D出力は要求された3つのレンダリングバージョンのうちの1つであった。この観察は、Anthropicのモデル能力を公に示す実験としての重要性を強調している。

Source posts