9 月 5 日凌晨 3 点，Codex 突然更新了。

我也立刻更新，打开 GPT-6，开始实测。



那先测什么？

肯定是最近推特上很火的一键生成三维场景。

这两天看了不少演示：给 AI 一张建筑照片，过一会儿，它就能交出一个可以旋转、缩放、进去逛的页面。

看别人的视频是一回事，自己随手找张图，能不能得到同样的结果，又是另一回事。

所以我找了一张白宫的照片，直接丢了进去。

后面又测了秦始皇骑北极熊的 SVG 动画，看了朋友用一句话做出的马里奥赛车游戏，最后还拿一个昨天写过的帖子，试了试它模仿孙宇晨小作文的能力。

这几个案例放在一起，挺能说明我这一晚的感受：

GPT-6 让我意外的地方，是一个很短的要求发过去，它能把多少没交代的细节一起做出来。



白宫这项，我的需求很简单：根据这张照片，做一个可以自由浏览的三维建筑页面。

没有给建筑图纸，没有补其他角度，也没有告诉它该用什么技术。

22 分钟后，它交出了一个能打开操作的页面。白宫主体、前面的喷泉、花坛、草坪和周围的树都在，页面上也做好了建筑名称、视角切换和控制按钮。

我先拖动鼠标，绕着建筑转了一圈，又拉近看了一下。

到这里，已经能理解为什么这类视频最近会火：

原本平面照片里的东西，突然有了可以绕过去看的空间。

然后我点了自由漫游。

我靠，居然还能用 WASD 走路？？

你可以自己往建筑前面走，靠近柱子和门窗，也可以换个位置看庭院。

这里的区别，在你按下键盘的时候就能感觉出来。

看一张渲染图时，角度已经被选好了；进入场景以后，你可以决定自己站在哪里、往哪边看。



再往下点，还有日光调节。

拖动滑块，场景里的光线和阴影会跟着变化。

我确实要求了自由浏览，但没有逐条要求漫游怎么做、视角怎么切、光线怎么调。

这些东西，是它在实现需求的过程中自己补上的。

做完这一步，我觉得单说它能生成三维模型，已经有点说窄了。

我拿到的是一个围绕建筑搭好的浏览体验，模型只是其中一部分。

那些看起来不起眼的按钮，决定了这个东西打开以后，到底有什么可玩。

当然，一张正面照片没有提供建筑背面的信息，没拍到的部分只能近似补全，不能当成精确的建筑复原。

过程中也有一次访问报错，我把问题发回去，它切到本地预览后才正常打开。

但这些都没有改变最终的结果：我拿着一张照片，得到了一个可以自己走进去看的场景。



接下来测 SVG，也就是用代码画矢量图，再让里面的东西动起来。

以前这类测试的保留节目是鹈鹕骑自行车。



但这道题出现得实在太多，我也会怀疑，模型是不是已经见过类似训练材料，甚至对这道题有了过拟合。

再画好一只鹈鹕，对我的参考价值已经没那么大。

所以这次换成社区也在玩的秦始皇骑北极熊，再加一个逛长城。

这当然也算不上严格排除了训练污染，就是换道题，看看它处理几个不太搭的元素会是什么样。

我发过去的原话是：你帮我用 SVG 画一个秦始皇骑着北极熊逛长城，要能动。

界面显示，它做了 8 分 34 秒。

出来的画面叫“北境巡游”，秦始皇骑在北极熊背上，脚下是城墙，后面有层叠的山、延伸的长城和一轮红日，旁边还配了标题、印章和旗帜。



熊会迈步，秦始皇会跟着步伐起伏，披风也在动。

整张画里，人物、坐骑和背景能放在一起看，动作也有配合。

我当时的评价是，这是我见过最好的 SVG 之一。

这里面让我觉得好玩的，是我只交代了几个对象，它却自己给这些对象找了一种画法。

配色、构图、远近关系、标题，都要作选择。

秦始皇骑北极熊本来就很离谱，但画面做出来以后，居然有点像那么回事。

它也没有把“要能动”理解成让整幅画平移一下。

熊走路，骑在上面的人就得有相应的起伏，披风也要跟着动。

这个要求只有三个字，真正落实到画面里，会变成好几个相互关联的问题。这次，它把这些关系处理得不错。

做完这两项，再看朋友@路灯同学创业笔记发来的赛车游戏，我的第一反应是：

任天堂死了。

玩笑归玩笑，视频确实值得看。

据朋友说，他也是用一句话，让 GPT-6 做了一个马里奥风格的赛车游戏。

我刚才也单独聊过这个案例，这里把视频放上来。

打开以后，先是一个完整的比赛入口。

可以选马里奥、路易吉、碧姬、耀西这些角色，旁边是三维赛道，蘑菇、城堡、树和起跑线都做好了。

页面还列了竞速赛、道具赛两个选项，录屏里实际玩的是竞速赛。

进入比赛，左上角显示名次、圈数和时间，右上角有赛道小地图，下面是车速和漂移蓄力条。

其他车手会一起跑，排名随着比赛变化，镜头跟着车走。

漂移可以蓄力，攒够以后能用氮气加速，界面上还有对应的提示。

GPT-6甚至做了自动油门的开关。

打开以后，就可以把注意力放在转向和漂移上。

我看这个视频的时候，最在意的就是这些细节。

一个赛车游戏，画出车和赛道以后，还得让人知道怎么开始、怎么操作、自己排第几、什么时候能加速。

这些部分放在一起，才有了实际玩一局的感觉。

白宫补了自由漫游和日光，赛车补了比赛界面和驾驶辅助。

两个例子连起来看，很容易明白我为什么会觉得这轮体验好：需求里的那个名词，开始能带出一整套相关的功能。

它离一款经过长期打磨的商业游戏还有距离，手感、关卡和耐玩程度也不能靠一段录屏判断。

但从一句话出发，已经能拿到这种程度的原型，足够让很多人愿意先动手试一次。



最后，我还测了一下写作。

这项对我更直接。

我每天都要写东西，一个模型会不会写，读上几段，通常就能感觉出来。

有些文章单看每句话都没问题，连起来却很空。

开头给你铺一堆背景，中间换着说法重复，最后再强行讲一个时代已经到来。

所以这次我拿了一个具体的素材。

昨天我写过推特上的一个老哥 Josh Cohenzadeh：看到 GPT-6 Astra 的表现以后，他发帖说要搬去怀俄明州，尽量远离 AI。



帖子里还有一串带着技术圈笑话的生活计划，最后说要在那里劈柴，等算力耗尽。

我把这件事交给 GPT-6，让它模仿孙宇晨那类小作文的风格，写一篇文章。

出来的标题是《他去怀俄明州，等算力耗尽》，第一句只有：十五分钟以后，他订了机票。

接下来从这个人的反应写起，写到选房子的条件、柴火炉、水井和纸质地图，慢慢把那个有点荒诞的决定展开。



我觉得它写得好的地方，可以直接看这一段。

写到他想找牙医、木匠等人组建社区，并把这些本事叫作 AGI 前技能时，文章接了一句：

仿佛一个时代还没结束，已经有人开始给里面的东西贴标签，准备保存下来。

前面有具体的人和职业，这句话才接得住。

它把那个玩笑里有点复杂的情绪写出来了，又没有停下来解释一大段技术焦虑。

结尾也一样。

前面已经写过柴火炉，最后回到他要劈柴、等算力耗尽的说法，文章收在这里：

至于算力什么时候耗尽，没有人能给他一个准信。

柴倒是可以先准备起来。

这两句我很喜欢。

关于未来的大问题还悬在那里，但文章回到了一个人眼下能做的事。

开头的机票，中间的纸质地图和柴火炉，最后的劈柴，是能一路读下来的。

对我来说，这比单纯模仿几个口头禅难得多。

写作要判断哪里值得展开，哪个细节可以留下，什么地方已经说够了。

尤其是结尾，很多 AI 写到这里就开始舍不得停，好像不把意义再解释三遍，前面的文章就白写了。

这次的收尾，我觉得相当好。

这一晚看下来，三维场景、SVG、赛车和写作，其实给了我一个相近的感受：

我交代一个目标以后，它已经能替我处理相当一部分中间的选择。

白宫要怎么逛，赛车要怎么开始，动画里哪些东西应该一起动，文章里哪个细节应该放到最后。

这些都曾经需要人在做的过程中一项项决定。现在，模型交回来的第一版里，已经带着它自己的处理。

几次体验当然不能证明所有任务都到了这个水平。

但它改变了我对尝试成本的判断。

以前一个想法冒出来，想到要学工具、找素材、搭环境，可能就先放下了。

现在可以先交给它做，等结果出来，再判断这个想法值不值得继续。

当第一版越来越容易做出来，选择什么值得做、判断哪里做得不好，就会占据更多精力。　?

这对写作者、产品经理和想做点东西的普通人，都很具体。

我们能更早拿着作品讨论，也能更便宜地发现自己原来的想法不成立。

这会改变很多讨论发生的时间。

以前，你得先把一个想法解释得足够清楚，说服自己或者别人投入时间，才有机会看到结果。

现在，一些原本要等到做出来才知道的问题，可以更早得到回答：这个视角合不合适，操作顺不顺手，这个故事到底有没有意思。

拿做内容来说，文章里要解释一个场景，以前可能到一张配图就结束了。

如果这种完成度能够稳定复现，我就可以考虑把它做成一个读者能进去看的页面，或者一个能亲手操作的小演示。

一个人能使用的表达方式，会跟着制作成本的下降一起增加。

很多原本觉得不值得专门做的东西，可能就会因此被做出来。

所以这一晚之后，我对 GPT-6 最直接的期待是：

下次想到一个东西，可以少在脑子里空转一会儿，先让它做出来看看。

毕竟，一张白宫的照片，我已经真的走进去逛过了。