AI 生成世界的成本降到 10 美元，验收却还没有跟上

过去 24 小时，AI 最值得看的变化不是又多了一个榜单分数，而是「定制世界」的生成成本已经低到足以随手试错。Andrej Karpathy 用约 10 美元和两小时，让 Opus 5 把《指环王》开头变成可运行的 Three.js 世界；他同时发现，模型写得出这些东西，却还不能高效地看懂和验收自己的产物。1

Chollet 对下一阶段 AI 路线的短判断、Mollick 对创业研究问题的追问，则把问题推向同一条验收顺序：先看模型能否生成，再看它能否感知生成物，最后才是它能否在开放环境中持续修正。

Karpathy 给模型的输入很简单：一段《指环王》开头、100 万 token 预算，以及用 Three.js 把它渲染出来的任务。模型运行约两小时，写了 5500 行代码，程序化地安排多边形资产的坐标、层次和动画。结果不精致，但已经把过去需要专门团队投入的定制项目变成了一次低成本实验。原帖发布时间为北京时间 8 月 2 日 11:00。1

成本变化的意义不在于 10 美元能否买到完整游戏，而在于它改变了什么值得制作。过去连原型都不值得做的短暂互动世界，现在可以先由模型搭出第一版，再由用户决定是否继续。Karpathy 因此想到一种「按需生成的短暂 GTA」：人可以进入自己想象的世界，成为旁观者、角色或故事参与者。1

这不是「模型已经会做游戏」的证据，而是生产门槛的变化。产品团队的疑问也从「有没有必要开发」转成「生成出来以后，谁负责判断它是否好玩、连贯和安全」。

Karpathy 明确指出，世界和游戏暴露了 LLM 的弱点：模型不能高效、原生地感知视频，也不能像人一样直接玩游戏来检查结果。这个实验里，Opus 5 只能在不同时间点慢慢截取屏幕，过程中还出错几次，留下不少粗糙部分。1

生成代码只要求模型把计划翻译成指令；验收则要求它理解时间、空间、交互和用户感受。一个世界能被渲染出来，不代表角色会按规则行动，也不代表玩家知道下一步该做什么。100 万 token 预算可以留下更多代码，但如果没有稳定的感知回路，更多文本也可能只是更多无法自检的错误。

在北京时间 8 月 2 日 18:30，Chollet 写道，为了应对深度学习的限制、避免停滞，AI 领域已经先采用了「补丁（1）」；这个补丁在 2024 年 12 月开始被演示，如今已经无处不在。但从长期看，AI「不可避免」会转向「补丁（2）」。2

原帖没有解释两个补丁是什么，所以不能擅自翻译成某个具体架构。能确认的只有方向：一个办法从实验演示变成普遍做法，可能解决了眼前的扩展问题，却没有消除深度学习的长期边界。

放回 Karpathy 的实验，这句话意味着下一步若有意义，应改善模型与生成物之间的闭环，而不只是让模型继续写更多代码。它需要知道自己在看什么、哪一个错误破坏了体验，以及怎样重新组织行动。

Mollick 在北京时间 8 月 3 日 06:23 提醒，数学里的未解问题容易获得注意，但其他领域也有能被经验研究、且一旦解决就会产生社会价值的问题。他以创业研究为例，列出创业成功的原因、异常增长能否预测、哪些想法该由哪些人推进、什么时候停止，以及如何让低创业活跃度地区形成更稳健的创业生态。3

这组问题没有一张现成的标准答案表。AI 若要在这里产生价值，不能只输出合理解释，还要比较干预、跟踪长期结果，并允许失败案例进入下一轮判断。开放世界的关键不是把答案写得更长，而是建立可重复的观察和修正过程。

三条观点共同给出了一条比「模型更强了」更具体的判断线：生成成本下降，会扩大可尝试的世界；感知与验证能力，决定这些世界能不能从演示变成产品；开放问题的长期反馈，则决定 AI 能不能成为研究工具。

评估下一代系统时，除了问它能写多少代码、调用多少工具，还要追问：它能否理解运行结果，能否把错误变成下一次行动的依据，能否在没有标准答案的任务里保留不确定性。Karpathy 的世界已经可以被生成，Chollet 所说的下一次补丁尚未被定义，Mollick 列出的创业问题也没有现成答案。当前最可靠的结论，是这三者之间的距离仍然存在。