Andrej Karpathy：LLM可生成复杂LoTR程序渲染

Andrej Karpathy表示，用100万token预算测试Opus 5，其基于《指环王》首段生成5500行JS代码实现程序化渲染。

该模型花费约2小时编排多边形资产坐标并编写动画代码，结果虽显粗糙但完整呈现故事；他指出LLM具备无限耐力，可将“无人会手工完成”的定制任务变为可行，并展望生成可即时进入的超定制游戏世界。

AI与内容创作市场中，生成式模型降低复杂交互世界的开发门槛，资金流向长上下文与多模态能力提升；传统游戏工作室承压于定制效率差距，而具备原生视频与游戏感知的模型将抢占自我审计与迭代优势。

来源：公开信息

Andrej Karpathy作为前OpenAI与Tesla AI负责人，长期推动从简单基准测试转向真实复杂任务评估；此次用《指环王》文本生成完整JS渲染程序，延续其强调模型耐力与自主编排能力的路径，此前他多次展示LLM在代码与视觉任务上的突破。

资本路径上，长上下文预算（约10美元）使一次性生成超定制交互世界成为可能，资源从人工设计转向模型自主构建与迭代；动机在于解锁“按需生成GTA式体验”的新应用层，降低游戏与模拟开发的固定成本。

类比可见于早期GPT生成简单游戏代码后演进至完整程序，以及当前多模态模型在视频理解上的差距。行业处于从“文本/代码生成”向“可感知可交互世界构建”的转型阶段。

结构判断属于技术替代：当生成成本趋近于零时，瓶颈从“能否创建”转向“能否自我验证与优化”，具备原生游戏/视频感知的模型将取代需人工截图反馈的流程，重构内容生产链条。

ABAB News · 认知定律

ABAB AI 解读