什么是‘指环王基准’测试大神卡帕西宣布‘我们’Anthropic 已开始用一种全新方式给大模型上强度——《指环王》。这套‘指环王基准’正在接替过去风靡一时的‘鹈鹕骑自行车’SVG 测试。卡帕西直接把《指环王》的开头丢给 Opus 5让模型用 Three.js 现场搓出一整个‘中土世界’。最终效果类似上世纪 90 年代末、21 世纪初的国产 3D 动画片很粗糙、抽象但熟悉《指环王》取景地霍比屯的人仔细看能看出一丝味道。不过这个不太精致的玩意花掉了 Opus 5 100 万 token、2 个小时以及 5500 行代码。‘指环王’测试是如何进行的按照卡帕西推文输入给 Opus 5 的主要提示词是《指环王》正文第一章《期待已久的宴会》的开头还指定了 Three.js 这个用代码搭建 3D 场景的 JavaScript 库。Opus 5 要先读懂《指环王》开头文字再将其翻译成能在浏览器中实时运行的 3D 世界过程中需用多边形拼出人物、建筑和道具放进 x、y、z 坐标系安排好摄像机、灯光和动画用代码定义人物移动、镜头转动、灯光变化和物体互动等。虽然画面不精致常有穿模、漂浮等问题但场景好歹搭建起来了。这和视频模型直接生成一帧帧像素不同Three.js 需先建立三维对象再实时计算位置、角度和运动状态所以看到的 Demo 是 3D 网页场景运行时的录屏。卡帕西在评论区提到程序化 3D 和视频生成并非二选一有网友提议把粗糙录屏交给 Seedance 作参考视频让视频模型重新渲染卡帕西表示赞同。他设想程序化代码负责分镜和控制敲定骨架后交给 Video - to - Video 模型补纹理、光影和细节。音频方面卡帕西因个人对音质要求最终使用了 ElevenLabs《指环王》Demo 由此诞生且项目已开源。网友的测试成果如何卡帕西放出 Demo 后网友赶来测试表现得比卡帕西更有想象力。有人用 Claude 启动「Earth Online」项目靠 AI Agent 搭建地球目前只搭出低多边形风格的旧金山滨水区画面建筑比例、人物尺度和整体风格统一类似乐高世界动画片简单画风的动画和轻量游戏有了 AI 原生雏形。还有网友用 Fable 5 和 GPT - 5.6 Sol 搭出纽约市 3D 数字模型并接入实时数据作者提出生成虚拟世界的任务或成新的空间推理 Benchmark。更有网友用 AI 在浏览器给自己补办 Kanye West 的演唱会项目由 Three.js 搭建仅一个 HTML 文件舞台、人物和灯光全由代码生成准备了 14 首歌有独立灯光设计和专属球形舞台视觉普通用户可试听片段连接 Spotify Premium 能播放完整曲目和整场演出。卡帕西畅想给 3D 世界加入玩法网友已做出游戏版本使用 Opus 5 和 Three.js能运行、交互且配有音频。更多 3D 设计案例不断出现Opus 5 能在较大项目里维持相对稳定的一致性但这些作品距成熟游戏仍有距离玩法趣味性、运行稳定性以及玩家参与意愿都有待验证不过实时 3D 内容和可玩原型的制作门槛降低了。为何用《指环王》测试大模型这要从前几年爆火的‘鹈鹕骑自行车’测试说起。该测试由开发者 Simon Willison 提出要求生成一张鹈鹕骑自行车的 SVG 图片虽题目简单但很考验模型。因为 SVG 底层是代码模型需知道鹈鹕和自行车样子拆成线条、圆形和多边形用坐标安排部件位置关系且要处理好两者不般配的组合通过轮子、脚的位置和鸟的姿态判断模型是否理解空间关系。‘鹈鹕骑自行车’曾是观察大模型空间理解、物体组合和代码生成能力的经典测试但随着模型变强它快失去测试价值且一张 SVG 只能考察一次性输出测不出模型规划复杂项目、连续工作和修正错误的能力。于是卡帕西将测试换成‘搭个世界’的‘指环王’测试。新测试引发了哪些争议卡帕西准备换题的消息传开后引发不同观点。Hacker News 高赞评论认为Demo 画面质量一般说明需要比生成单张图片更难的新测试新基准应考察模型对世界的理解因为‘鹈鹕骑自行车’用太久模型刷榜使差距难看出而生成完整 3D 世界需模型理解空间关系、处理场景变化非简单调用视频生成模型。但也有人反对认为鹈鹕测试简洁、成本低、结果易比较生成 3D 世界消耗大量 Token 是浪费算力且 Three.js 能否衡量大模型综合能力遭质疑有人觉得这类 Demo 只能证明 Anthropic 在 Three.js 代码训练不错不能说明模型理解空间和物理世界。不过网友反驳把文学文本转化成 3D 动画模型需处理多种问题低估 5500 行代码不合理。此外还有网友提出‘空间推理’是否与大模型处理文字、代码的推理不同的问题一种观点认为画面取决于模型对空间关系的理解另一种观点认为模型处理文字和空间可能是同一推理过程。从画鹈鹕到搭中土世界测试的或许是模型将对世界的理解转化为运行结构的能力。最后还有个问题如果通用大模型能搭建 3D 世界用户还有多少必要用专门视频生成产品输入 Prompt 从‘鹈鹕骑自行车’到‘指环王’测试，大模型能力测试迎来新挑战！
什么是‘指环王基准’测试大神卡帕西宣布‘我们’Anthropic 已开始用一种全新方式给大模型上强度——《指环王》。这套‘指环王基准’正在接替过去风靡一时的‘鹈鹕骑自行车’SVG 测试。卡帕西直接把《指环王》的开头丢给 Opus 5让模型用 Three.js 现场搓出一整个‘中土世界’。最终效果类似上世纪 90 年代末、21 世纪初的国产 3D 动画片很粗糙、抽象但熟悉《指环王》取景地霍比屯的人仔细看能看出一丝味道。不过这个不太精致的玩意花掉了 Opus 5 100 万 token、2 个小时以及 5500 行代码。‘指环王’测试是如何进行的按照卡帕西推文输入给 Opus 5 的主要提示词是《指环王》正文第一章《期待已久的宴会》的开头还指定了 Three.js 这个用代码搭建 3D 场景的 JavaScript 库。Opus 5 要先读懂《指环王》开头文字再将其翻译成能在浏览器中实时运行的 3D 世界过程中需用多边形拼出人物、建筑和道具放进 x、y、z 坐标系安排好摄像机、灯光和动画用代码定义人物移动、镜头转动、灯光变化和物体互动等。虽然画面不精致常有穿模、漂浮等问题但场景好歹搭建起来了。这和视频模型直接生成一帧帧像素不同Three.js 需先建立三维对象再实时计算位置、角度和运动状态所以看到的 Demo 是 3D 网页场景运行时的录屏。卡帕西在评论区提到程序化 3D 和视频生成并非二选一有网友提议把粗糙录屏交给 Seedance 作参考视频让视频模型重新渲染卡帕西表示赞同。他设想程序化代码负责分镜和控制敲定骨架后交给 Video - to - Video 模型补纹理、光影和细节。音频方面卡帕西因个人对音质要求最终使用了 ElevenLabs《指环王》Demo 由此诞生且项目已开源。网友的测试成果如何卡帕西放出 Demo 后网友赶来测试表现得比卡帕西更有想象力。有人用 Claude 启动「Earth Online」项目靠 AI Agent 搭建地球目前只搭出低多边形风格的旧金山滨水区画面建筑比例、人物尺度和整体风格统一类似乐高世界动画片简单画风的动画和轻量游戏有了 AI 原生雏形。还有网友用 Fable 5 和 GPT - 5.6 Sol 搭出纽约市 3D 数字模型并接入实时数据作者提出生成虚拟世界的任务或成新的空间推理 Benchmark。更有网友用 AI 在浏览器给自己补办 Kanye West 的演唱会项目由 Three.js 搭建仅一个 HTML 文件舞台、人物和灯光全由代码生成准备了 14 首歌有独立灯光设计和专属球形舞台视觉普通用户可试听片段连接 Spotify Premium 能播放完整曲目和整场演出。卡帕西畅想给 3D 世界加入玩法网友已做出游戏版本使用 Opus 5 和 Three.js能运行、交互且配有音频。更多 3D 设计案例不断出现Opus 5 能在较大项目里维持相对稳定的一致性但这些作品距成熟游戏仍有距离玩法趣味性、运行稳定性以及玩家参与意愿都有待验证不过实时 3D 内容和可玩原型的制作门槛降低了。为何用《指环王》测试大模型这要从前几年爆火的‘鹈鹕骑自行车’测试说起。该测试由开发者 Simon Willison 提出要求生成一张鹈鹕骑自行车的 SVG 图片虽题目简单但很考验模型。因为 SVG 底层是代码模型需知道鹈鹕和自行车样子拆成线条、圆形和多边形用坐标安排部件位置关系且要处理好两者不般配的组合通过轮子、脚的位置和鸟的姿态判断模型是否理解空间关系。‘鹈鹕骑自行车’曾是观察大模型空间理解、物体组合和代码生成能力的经典测试但随着模型变强它快失去测试价值且一张 SVG 只能考察一次性输出测不出模型规划复杂项目、连续工作和修正错误的能力。于是卡帕西将测试换成‘搭个世界’的‘指环王’测试。新测试引发了哪些争议卡帕西准备换题的消息传开后引发不同观点。Hacker News 高赞评论认为Demo 画面质量一般说明需要比生成单张图片更难的新测试新基准应考察模型对世界的理解因为‘鹈鹕骑自行车’用太久模型刷榜使差距难看出而生成完整 3D 世界需模型理解空间关系、处理场景变化非简单调用视频生成模型。但也有人反对认为鹈鹕测试简洁、成本低、结果易比较生成 3D 世界消耗大量 Token 是浪费算力且 Three.js 能否衡量大模型综合能力遭质疑有人觉得这类 Demo 只能证明 Anthropic 在 Three.js 代码训练不错不能说明模型理解空间和物理世界。不过网友反驳把文学文本转化成 3D 动画模型需处理多种问题低估 5500 行代码不合理。此外还有网友提出‘空间推理’是否与大模型处理文字、代码的推理不同的问题一种观点认为画面取决于模型对空间关系的理解另一种观点认为模型处理文字和空间可能是同一推理过程。从画鹈鹕到搭中土世界测试的或许是模型将对世界的理解转化为运行结构的能力。最后还有个问题如果通用大模型能搭建 3D 世界用户还有多少必要用专门视频生成产品输入 Prompt