TL;DR：
卡帕西（Karpathy）刚整了个新活：让Opus 5读《指环王》第一章，用Three.js现场搓出一个3D中土世界。烧了100万token、花了两小时、写了5500行代码，画面虽像早期国产3D动画，但成功把文学描写变成可运行场景，顺便把经典的“鹈鹕骑自行车”测试送进了历史博物馆。
大神卡帕西加入Anthropic后第一次发长帖，就搞了个大新闻——他宣布大模型评测基准正式从“画鹈鹕”升级到“造中土”。
怎么个玩法？简单说，他把《指环王》正文第一章第一段丢给Opus 5，要求模型用Three.js（一个浏览器3D图形库）把文字描述的宴会场景“翻译”成一个可交互的3D世界。模型需要自己规划场景、搭建角色、设置镜头和灯光、编写动画——全部通过生成代码完成。1
最后效果嘛……怎么说呢，有点像上世纪90年代末国产3D动画那个味儿：粗糙、抽象，但如果你熟悉霍比屯，还是能品出一些神韵。
但这看似粗糙的Demo，背后却是一组硬核数字：100万token输入、2小时连续生成、5500行代码。卡帕西直言，这不再是那种“画一张图”的一次性测试，而是考察模型能不能规划一个复杂项目、连续工作几小时、并在几千行代码里反复纠错。2
更重要的是，这个过程暴露了当前大模型一个重要短板——Opus 5没法真正“看见”自己生成的世界。它只能靠不断截图来检查效果，没法连续感知画面变化。就像蒙眼画画，每一笔都对，但拼起来可能鬼畜。3
不过，这届网友显然比卡帕西更会玩。
网友集体整活：从地球Online到包场演唱会
卡帕西的帖子刚发出，各路网友就开始了“花式二创”。
有人用Claude启动一个叫“Earth Online”的项目，目标是用AI Agent把整个地球一点点搭出来。目前已完成低多边形风格的旧金山滨水区，建筑、人物、场景保持高度统一，仿佛乐高动画片。4
更夸张的是，有网友因为没抢到Kanye West演唱会门票，干脆用AI在浏览器里给自己办了场私人演唱会。同样是Three.js，同样是纯代码生成，14首歌配独立灯光设计和球形舞台，连上Spotify Premium还能播完整曲目。5
还有网友直接让Opus 5和Three.js生成了一个可交互的游戏版本，不仅场景能跑，连音频都安排上了。6
这些作品虽离成熟游戏还有距离，但3D内容制作的门槛，确实被AI一脚踹低了。
从鹈鹕到中土：一个测试基准的“退休”与“上岗”
为啥突然换题？这得从前几年风靡AI圈的“鹈鹕骑自行车”SVG测试说起。
这道题最早由开发者Simon Willison提出，要求模型生成一张鹈鹕骑自行车的SVG图片。看起来简单，实际极考功夫：模型既要理解鹈鹕和自行车的外形，还要用代码把几何结构、位置关系安排明白。关键鹈鹕和自行车本来就不般配——大嘴短腿的鸟怎么蹬车？模型一画，空间理解能力一目了然。2
但随着模型越来越强，鹈鹕测试逐渐失效。如今的DeepSeek R1和V4已经能交出像样的作品，而且SVG只测一次性输出，测不出模型规划复杂项目、持续工作、自我纠错的能力。
于是卡帕西提出：鹈鹕可以下车了，让《指环王》接棒。
新基准要求模型将文学文本转化为可运行的三维世界，涉及空间关系、物理规律、物体组合、镜头运动、代码生成等多个维度。这比“画只鸟骑单车”复杂了不止一个数量级。1
当然，争议随之而来。有人认为这不过是证明模型在Three.js上训练得好，不能说明真理解了空间。但支持者反驳：把一段抽象文学翻译成3D动画，同时处理空间、物理、数学、代码，如果这都不算空间推理，那什么算？2
“有手没眼”与“通用推理”：卡帕西的深意
卡帕西在帖子中特别提到，Opus 5目前无法连续感知自己的生成过程，只能断点截图检查。这暴露了多模态模型的关键缺口：模型可以生成视频，却看不懂视频；能搭出3D世界，却无法“进入”这个世界。
有网友一针见血：这就像蒙眼画画，每一笔都对但整体可能崩。3
但换个角度想，这正是大模型能力外溢的证据。有观点认为，无论处理“石头旁边”还是“数组里面”，模型做的都是同一件事：根据上下文逐token生成并推理。如果这样，Opus 5展现的就不是突然冒出的“空间能力”，而是通用推理能力向三维世界的自然延伸。2
更深一层：如果通用大模型已经能自己写代码搭建3D世界，再调用Seedance、ElevenLabs等API补全画面和声音，那用户还有多少必要打开专门的视频生成工具？这可能意味着在AI原生时代，单一功能的垂直工具正在被“全能型”模型逐步吞噬。
正如卡帕西所说，这只是一个开始。未来，模型或许能真正“看见”自己的产出，甚至以NPC或玩家身份进入自己创造的虚拟世界。而《指环王》基准，不过是这场进化路上的一块路标。