Karpathy实测大模型长任务编码生成3D版魔戒

Andrej Karpathy 近期进行了一项大模型长任务执行与编码能力的极限测试。他向模型提供《魔戒》的开篇文本以及约 100 万 token（折合约 10 美元）的预算，要求其使用 Three.js 将文本内容渲染为 3D 场景。模型最终耗时约 2 小时自主编写了 5500 行代码，生成了一个可交互的粗糙 3D 游戏。该实验表明大模型在复杂空间理解与生成方面具备惊人潜力，但也暴露了当前的技术瓶颈。

已确认

• 测试条件：模型获得《魔戒》首段文本与约 100 万 token（约 10 美元）的执行预算。
• 执行结果：模型连续自主工作近 2 小时，写出了 5500 行 Three.js 代码。
• 生成效果：成功将文本渲染为可交互的 3D 场景，展现出惊艳的空间生成能力。

尚未确认

• 模型版本号：由于各信息源转述存在差异，部分提及使用的是 Claude 3 Opus，另有信源称为 Opus 5，具体测试所用的确切模型版本尚存争议。

为什么重要

• 评测方式演进：Karpathy 指出，业界正在超越过去“生成一个骑自行车的鹈鹕 SVG”这类简单的静态测试，开始探索模型在长耗时、高 token 消耗下的自主任务执行能力。
• 暴露核心短板：实验揭示了 LLM 当前的一个关键瓶颈，即模型在生成代码后缺乏视觉反馈机制，导致其无法进行有效的自我验证与纠错。

2026-08-02 ~ 2026-08-03 · 5 条相关

• Karpathy实测 Claude Opus：2小时写5500行代码渲染3D版魔戒 — andrewchen · 2026-08-02
• Karpathy实测Opus：2小时写5500行Three.js渲染魔戒 — TAbrodi · 2026-08-02
• 【源头】Karpathy实测Opus生成3D世界：LLM空间能力惊艳，但缺视觉短板明显 — AI寒武纪 · 2026-08-02
• 【源头】Karpathy用Opus 5生成3D版指环王，揭示LLM无法自我验证瓶颈 — 新智元 · 2026-08-03

另有 1 条近重复转述:TAbrodi