XNews

卡帕西的Opus 5《指环王》3D渲染实验

卡帕西的Opus 5《指环王》3D渲染实验

现任Anthropic的卡帕西发布了一项测试:为Opus 5提供《指环王》第一段文字、100万token的预算(约10美元),并要求生成一个three.js渲染。模型运行约2小时,编写了5500行程序化代码,在3D中动画化多边形资产。结果虽显粗糙但尚可运作。卡帕西指出,LLM无法原生感知视频或玩游戏,因此Opus不得不费力地截取屏幕截图,从而导致错误。他认为这预示着高度定制化、短暂存在的虚拟世界的潜力,用户可作为旁观者或角色进入。该测试超越了简单的SVG绘图挑战。后续文章强调这是卡帕西加入Anthropic后的首篇长文,并重申了AI在非文本模态下无法审计自身工作的局限性。

Key insights

超越简单图像生成的新基准

卡帕西使用Opus 5进行的实验将LLM测试从绘制简单的SVG(如骑自行车的鹈鹕)转向生成复杂的、交互式3D场景。通过以《指环王》第一段为提示并要求程序化three.js渲染,他展示了前沿模型能够基于叙事文本编排3D资产和动画。这标志着从狭窄的单一任务评估向开放式创意世界构建的转变。

Opus 5在2小时内生成了5500行程序化3D渲染

Opus 5消耗了100万token的预算(约10美元),运行约2小时,输出了5500行程序化渲染《指环王》开头的代码。代码在(x,y,z)坐标中放置并动画化多边形资产,产生了虽粗糙但有趣的3D体验。这一壮举展示了模型在解决人类不愿花时间处理的任务时的耐力和耐心。

LLM缺乏原生多模态审计能力

在生成过程中,Opus 5无法直接感知渲染输出。它必须在不同节点截取屏幕截图,这既缓慢又容易出错,导致问题和粗糙。卡帕西强调,LLM无法在视觉或交互领域有效审计自身工作,暴露了其原始多模态能力的弱点。后续总结文章中也强调了这一局限性是关键问题。

短暂、超定制世界变得几乎免费

卡帕西认为,此类生成从'没人会这么做'转变为'当然,为什么不呢,几乎是免费的。'他设想将玩家以旁观者或NPC身份投入定制的《指环王》场景中,并将其比作按需生成的短暂版GTA(侠盗猎车手)。这可以使交互式个性化游戏世界的创建民主化。

卡帕西加入Anthropic后的首篇长文

该发布活动被认为是卡帕西转投Anthropic后的首篇长文。测试本身是一个新想法,旨在摆脱传统的单图像绘图提示,而3D输出是所请求的三个渲染版本之一。这一观察凸显了该实验作为Anthropic模型能力的公开展示的重要性。

Source posts