8 月 2 日，Andrej Karpathy 将《指环王》第一章文字交给 Claude Opus 5，预算 100 万 Token（约合 10 美元），模型运行两小时写出 5500 行 Three.js 代码，构建出一个可运行的 3D 场景。成品粗糙，但背后逻辑值得深思：模型生成内容的能力，正在快于它验证内容的能力。
Karpathy 将《指环王》第一章开头的一段文字交给 Claude Opus 5，给出 100 万 Token 的推理预算，要求模型用 Three.js 把这段故事渲染成一个三维场景。
模型运行了约两小时，写出 5500 行代码。最终生成一个能在浏览器中运行的 3D 叙事：场景中有角色、房屋、道路、植被，镜头跟随故事发展移动，字幕在指定时间出现。
Karpathy 形容它“有些粗糙，但很好玩”。真正让他感到不可思议的是：模型必须自行决定场景中应该出现哪些元素，把各种多边形资产放进三维坐标系，再编写动画、镜头和时间轴逻辑——这不是简单地把文本交给图像或视频生成模型，而是通过代码创建几何体、材质、灯光、摄像机和动画，搭建一个显式存在的三维场景。
在这样的系统中，一棵树不只是画面中的一团绿色像素，而是场景树中的一个对象；道路、房屋和角色都有对应坐标；镜头何时靠近、角色从哪里走到哪里、字幕在什么时间出现，也需要被写进程序。
注：Karpathy 的实验并非官方基准测试，但被社区视为当前模型“长时间、多步骤、创造性任务”能力的非正式标杆。推理成本为其个人估算，实际使用中可能因环境而异。
Karpathy 尤其关注的，并不是这段《指环王》动画本身，而是它背后的经济性变化。
按照传统流程，为一段小说开头单独制作一个 3D 动画，需要编剧拆分场景、美术制作资产、程序员搭建交互与动画。即便最终只供一个人观看，这套成本也不会明显降低。由于需求过于定制，绝大多数类似想法根本不会进入制作阶段。
LLM 改变的首先不是作品质量，而是“是否值得开始”。
模型不在乎任务是否琐碎，也不在乎 5500 行代码最终只被播放一次。只要推理成本足够低，过去因为过于个性化、投入产出比太低而无人制作的内容，都可能被临时生成出来。
Karpathy 将其描述为一种“按需生成的临时版 GTA”：用户可以指定任何小说、历史事件或虚构设定，让模型临时搭出一个世界；玩家既可以作为旁观 NPC 进入故事，也可以成为其中一个角色，甚至改变原本的叙事走向。
注：成本仅包含模型推理，不包含人工设计、运行环境、验收、修改和正式制作费用。实际商业化尚需考虑更多因素。
Karpathy 的实验并非孤例。Opus 5 发布后，X 上的开发者迅速把三维游戏和物理模拟变成一种非正式压力测试。
注：这些演示没有统一的提示词控制、运行次数和评分标准，更适合被视为开发者实验，而不是严格的模型基准。
尽管看起来像一个生成式世界，Karpathy 的实验与谷歌 DeepMind 的 Genie 等世界模型仍有明显区别。
模型生成显式程序，场景中的对象、坐标和行为由 Three.js 代码决定，开发者可阅读、修改和复用。优势是结构清晰、控制性强，但视觉上容易粗糙，且只能生成模型能够用程序表达出来的对象和规则。
根据文本实时生成 720p、每秒 24 帧的可交互环境，并在几分钟内保持视觉一致性。不需要显式创建每一个三维模型，而是直接根据玩家操作预测下一帧画面。画面可能更丰富，但缺少传统游戏引擎中明确的对象、状态和规则。
两条路线解决的是不同问题。代码生成世界更像“AI 自动编写一个小型游戏引擎和关卡”，结果可编辑、可调试；神经世界模型更像“实时生成一个可以进入的视频”。未来的产品也可能融合两者：LLM 负责规划任务、设计规则和生成代码，世界模型负责画面、物理直觉与环境反馈。
这次实验最值得注意的部分，是 Opus 5 检查这些代码的方式。
Karpathy 指出，模型不能高效、原生地观看连续视频，也不能像真人测试员一样进入游戏，持续移动、碰撞、回头观察，再判断哪里出现问题。
它只能运行程序，在若干时间节点截取静态画面，然后根据截图修改代码。这个循环既缓慢，又很容易漏掉只在运动过程中出现的问题。例如，角色可能在某一帧看起来位置正确，却在几秒后穿过地面；摄像机在单张截图中没有问题，运动时却可能突然转向；碰撞、速度和操作手感更难通过几张图片判断。
因此，画面中仍然留下了不少错位和粗糙之处。
Karpathy 由此认为，视频理解、连续状态感知以及真正“玩游戏”的能力，仍是当前大模型明显不足的原始能力。
这暴露出一个正在变得越来越重要的矛盾：模型生成内容的能力，正在快于它验证内容的能力。
对于普通代码，模型可以运行单元测试、查看错误日志、比较文本输出；但面对动画、游戏、机器人和复杂用户界面，正确性不再只存在于文字和数值中，而是分布在连续时间、视觉状态和交互反馈里。如果模型无法亲自体验自己生成的系统，就很难形成完整的“生成—执行—观察—修正”闭环。
模型已经具备建造临时世界的耐力，但缺少“走进自己创造的世界”的能力。下一个关键突破不是生成更多代码，而是让模型学会观察、体验和修正自己生成的动态系统——这可能是通往真正自主智能体的最后一道门槛。