Andrej Karpathy刚刚做了一个实验结果让他自己也觉得有点不可思议。Karpathy入职A厂后第一个长推文是关于测试模型能力的AK认为大模型目前的能力非常震撼但还有比较大的缺陷以Opus 5为例构建3D世界只能靠缓慢截图原生视觉与玩游戏能力依然极度匮乏这个结论我想大家都有体会我测试了DeepSeek v4 flash 0731和Kimi K3 max放在文后了对比结果显示DeepSeek急需要视觉能力如果视觉能力加上那么DeepSeek v4 flash 0731就会变成一个真正的怪兽模型。Andrej Karpathy刚刚做了一个实验结果让他自己也觉得有点不可思议。他把《魔戒》的开头第一段文字扔给Opus 5给了大约100万token的上下文预算折合花费约10美元然后问它能不能用Three.js把这段文字渲染成三维画面。Opus 5跑了将近两个小时写出了5500行代码用程序化的方式把这段故事场景完整呈现出来。Karpathy说成品有点粗糙但挺有意思。让他真正觉得不可思议的是这件事本身的性质一个语言模型需要在(x,y,z)坐标空间里安置和调度各种多边形资产还要写出让它们动起来的动画代码而它居然做到了。他特别提到这类例子的意义所在。没有人会在正常工作中花时间去写这么定制化的东西但AI有的是耐心这件事的成本几乎为零。于是原本属于没人会去做这个类别的事情现在变成了为什么不做。他认为这样的事情可能还有很多。他进一步展开想象未来可以按需生成高度定制的世界玩家可以作为旁观者NPC进入《魔戒》故事也可以扮演其中某个角色。他把这个想象描述为某种类似按需生成的侠盗猎车手版X故事。当然这次实验也暴露出一个明显的短板。Opus 5在生成这些代码之后没法有效地自己验证成果因为它既不能高效感知视频也没办法在生成的场景里直接玩。它能做的是非常缓慢地在不同节点截图查看结果也确实出了一些问题留下了不少瑕疵。Karpathy认为多模态感知能力和直接玩游戏的能力目前依然是LLM比较明显的欠缺之处。音频部分是Karpathy自己手动用ElevenLabs完成的AI可以轻松调用对应的API但他在声音选择上比较挑剔所以这块自己来做了。Karpathy说的这个我也深有体会我用deepseek v4 flash 0731版本构建模拟火星登陆同样的提示词用HTML和three.js制作一个火星登陆模拟过程全程要符合物理过程逼真发挥你最大的想象力开始吧Kimi k3 max 花了1个半小时DeeSeek V4 flash 0731花了大概20分钟速度非常快对于一个284B 参数激活参数只有13B的模型效果已经非常震撼了,但是deepseek由于没有视觉能力不能一边截图一边测试最终效果与K3还是有差距的以下是对比不过如果不涉及视觉的话DeeSeek V4 flash 0731干活确实很爽我爬了Paul Graham所有散文制作成了eupb中英文对照电子书全程花费10快钱左右时间为1个小时左右用的是Hermes 消耗token大概1.5亿有需要的后台可以私信我「Paul」获取电子书。内容效果token消耗
Andrej Karpathy刚刚做了一个实验结果让他自己也觉得有点不可思议。Karpathy入职A厂后第一个长推文是关于测试模型能力的AK认为大模型目前的能力非常震撼但还有比较大的缺陷以Opus 5为例构建3D世界只能靠缓慢截图原生视觉与玩游戏能力依然极度匮乏这个结论我想大家都有体会我测试了DeepSeek v4 flash 0731和Kimi K3 max放在文后了对比结果显示DeepSeek急需要视觉能力如果视觉能力加上那么DeepSeek v4 flash 0731就会变成一个真正的怪兽模型。Andrej Karpathy刚刚做了一个实验结果让他自己也觉得有点不可思议。他把《魔戒》的开头第一段文字扔给Opus 5给了大约100万token的上下文预算折合花费约10美元然后问它能不能用Three.js把这段文字渲染成三维画面。Opus 5跑了将近两个小时写出了5500行代码用程序化的方式把这段故事场景完整呈现出来。Karpathy说成品有点粗糙但挺有意思。让他真正觉得不可思议的是这件事本身的性质一个语言模型需要在(x,y,z)坐标空间里安置和调度各种多边形资产还要写出让它们动起来的动画代码而它居然做到了。他特别提到这类例子的意义所在。没有人会在正常工作中花时间去写这么定制化的东西但AI有的是耐心这件事的成本几乎为零。于是原本属于没人会去做这个类别的事情现在变成了为什么不做。他认为这样的事情可能还有很多。他进一步展开想象未来可以按需生成高度定制的世界玩家可以作为旁观者NPC进入《魔戒》故事也可以扮演其中某个角色。他把这个想象描述为某种类似按需生成的侠盗猎车手版X故事。当然这次实验也暴露出一个明显的短板。Opus 5在生成这些代码之后没法有效地自己验证成果因为它既不能高效感知视频也没办法在生成的场景里直接玩。它能做的是非常缓慢地在不同节点截图查看结果也确实出了一些问题留下了不少瑕疵。Karpathy认为多模态感知能力和直接玩游戏的能力目前依然是LLM比较明显的欠缺之处。音频部分是Karpathy自己手动用ElevenLabs完成的AI可以轻松调用对应的API但他在声音选择上比较挑剔所以这块自己来做了。Karpathy说的这个我也深有体会我用deepseek v4 flash 0731版本构建模拟火星登陆同样的提示词用HTML和three.js制作一个火星登陆模拟过程全程要符合物理过程逼真发挥你最大的想象力开始吧Kimi k3 max 花了1个半小时DeeSeek V4 flash 0731花了大概20分钟速度非常快对于一个284B 参数激活参数只有13B的模型效果已经非常震撼了,但是deepseek由于没有视觉能力不能一边截图一边测试最终效果与K3还是有差距的以下是对比不过如果不涉及视觉的话DeeSeek V4 flash 0731干活确实很爽我爬了Paul Graham所有散文制作成了eupb中英文对照电子书全程花费10快钱左右时间为1个小时左右用的是Hermes 消耗token大概1.5亿有需要的后台可以私信我「Paul」获取电子书。内容效果token消耗
