引言
Fable 5 再次回到了聚光灯下，而这一次并不是因为某个小型编程基准测试或简单的演示页面。Arena.ai 的 Peter Gostev 分享了一段视频，展示了由 Fable 5 生成的 63 个高难度 3D 世界，其中大多数被构建为类似 Three.js 的交互式环境，而且很多在第一次生成时就能正常运行。
这些示例涵盖了从熊在河里抓鲑鱼，到水下曼哈顿、可步行穿梭的梵高《星月夜》版本、不可思议的微观尺度透视，以及大型程序化城市场景。让这些演示有趣的地方，不只是它们看起来不错，更在于它们把视觉结构、代码、交互、动画和环境逻辑整合进了单个生成世界之中。
来源说明： 本文是一篇英文版、可直接发布的改写稿，基于原始的 BAAI/智源社区文章：1600代码造出水下曼哈顿，Fable 5让Karpathy看呆了。原文说明其内容来源于新智元 / 微信。图片版权仍归原始所有者所有。文中明显属于二维码、平台图标、宣传区块或装饰性素材的图片已被移除。
代码说明： 原文讨论了生成的 HTML / Three.js 代码以及一个公开的提示词集合，但正文中并未包含完整的源代码片段。因此，本文不会凭空补写代码块。
Karpathy 被熊和鲑鱼的场景惊到了
其中一个最令人难忘的片段展示了一只熊站在河边，抓住了一条跃出水面的鲑鱼。这条鱼在被抓住后并不是简单地僵在原地不动，而是会挣扎、会移动，让整个场景更像一个小型的物理故事，而不是一个静态的 3D 物体。
这个细节吸引了 Andrej Karpathy 的注意。在他的回应中，他表示自己此前并没有完全意识到，模型如今已经能够创造出如此丰富、可玩、并将代码与知识融合在一起的世界。这个片段把讨论从“AI 能不能生成一张好看的图片？”推进到了一个更深层的问题：模型究竟能够把多少对世界的理解，转化为可执行的几何结构、运动和交互？
Karpathy 还用了“fablemaxxing”这个说法，来形容把 Fable 风格环境推向更高层次的感觉。重点并不只是某一个场景看起来很惊艳，而是每一代更高层级的模型都能够
展现出一种出人意料的质变。
1,600 行代码：一个“活着的”水下曼哈顿
Gostev 视频中最突出的例子，是一个水下版本的曼哈顿。这个场景展示了从炮台公园到因伍德的整座岛屿，包括中央公园、摩天大楼、道路结构、桥梁，以及密集的建筑剪影，全都被塞进了一个可以探索的世界里。
这个演示之所以格外引人注目，在于它的规模。根据最初的报道，Gostev 检查了生成出的源代码，发现整个场景大约只由 1,600 行代码支撑。当然，这并不是一条完整的生产流程，但它已经足以营造出一座“活着的”水下城市的印象，既有可辨识的结构，也有足够的细节。
关键并不在于模型是否复刻出了一张完美的地图。更强的信号在于，它生成了一个连贯的空间系统：城市尺度的布局、类似地标的轮廓、环境氛围、镜头运动，以及相互配合的视觉密度。
六大主题下的 63 个世界
Gostev 的完整作品集包含 63 个 3D 实验。最初的报道将它们归纳为六大类，涵盖大型世界、可游玩的场景、艺术启发的环境、不可能的视角、自然奇观，以及宇宙式的终章。
| 部分 | 提示词范围 | 数量 |
|---|---|---|
| 大型 3D 世界 | 1–30 | 30 |
| 可玩且带有游戏感的场景 | 31–42 | 12 |
| 鲜活的艺术世界 | 43–49 | 7 |
| 不可能的视角 | 50–52 | 3 |
| 自然奇观 | 53–59 | 7 |
| 元素与宇宙终章 | 60–63 | 4 |
这些大型世界的例子包括横跨欧亚两洲的伊斯坦布尔、跨越 2,000 年历史的伦敦、金字塔、火山喷发中的庞贝，以及流动于金门大桥上的车流。它们并不是小型的“主视觉图”。它们是在尝试把人们熟悉的地点和历史场景，转化为可探索的程序化场景。
另一类则更偏向奇幻与奇观。一个例子是在一个类似巧克力工厂的世界中打造出的可食用王国，里面充满了糖果建筑、桥梁、花园和装饰系统。
“可玩”这一类别包括诸如纽约楼顶跑酷、一个可以把城市拆解开的物理游乐场，以及带有驾驶舱式控制的飞行模拟等场景。这些场景并未被描述为打磨完成的游戏。更准确地说，它们应被理解为交互式原型，用来展示一个模型能以多快的速度组装出视觉逻辑、控制方式和环境行为。
活态艺术世界：当一幅画变成一个地方
其中一些最有趣的例子都基于著名绘画。像梵高的《星夜》这样的作品并不容易转换成 3D，因为模型不能只是复制一张平面图像。它必须将笔触、旋涡般的形态、色彩节奏和空间深度重新诠释为观者可以穿行其中的对象。
在 Fable 5 的示例中，这幅画被拆解成线条、曲线和动态的空间结构。观者不再只是看着画布，而是进入场景的旋涡之中。类似的实验也展示了莫奈的睡莲和葛饰北斋风格的海浪意象。
这正是模型“通过建构来解释”的能力变得可见的地方。它不仅是在生成一幅艺术作品的图像，而是在尝试描述：如果这件艺术作品被重建为一个可导航的世界，它会如何运作。
不可能的视角与自然奇观
另一组则聚焦于人类通常无法体验到的视角。一个例子把观者放在蚂蚁的尺度上，在暴雨中看一座花园。草叶变成了建筑。雨滴变成了坠落的水体。一个普通花园变成了放大了无数倍的景观。
自然奇观这一组包括尼亚加拉大瀑布、森林中同步闪烁的萤火虫，以及熊捕捉鲑鱼的场景。最后一类则转向元素性与宇宙性的意象，包括分开的红海、一座正在形成的火山岛，以及一座升入天空的太空电梯。
这些例子之所以重要，是因为它们测试的不只是表面风格。模型必须协调尺度、运动、镜头行为、光照、重复对象以及交互。较弱的模型也许能完成前 80% 的内容。
场景，然后在最后 20% 时崩溃，结果让人类花在调试上的时间比花在构建上的时间还多。
这并不是什么魔法：长规格、精心设计的提示词，以及一些迭代
原始报告明确指出了一个重要事实：这些世界并不是由一句简短的话生成出来的。Gostev 使用的是篇幅长、细节丰富、接近规格说明书风格的提示词。据称，许多演示是一遍生成的，但有些也需要一到两轮优化。
几分钟搭建展示站并增长获客
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
这一区别很重要。真正的突破并不是“写一句模糊的话，就能得到一个完美的 3D 世界”。更现实的结论是，详细的规格说明如今可以产出比过去完整得多的初稿。以前需要经过多轮修改的内容，现在可能一开始就是一个可运行的单个 HTML 文件。
公开的提示词集合也表明，这类提示词的要求可能相当高。它们会描述摄像机行为、光照、物体密度、性能约束、程序化生成规则以及导入要求。换句话说，这种提示词更接近“设计简报 + 技术规格”，而不是一条随意的聊天消息。
薄弱环节：游戏、漏洞，以及模型的“懒惰”
Gostev 并没有把这组成果描述成完美无缺。原始报告指出，最终的 63 个示例是从更大的一批结果中筛选出来的，其中明显损坏的输出已被移除。这在探索性 AI 工作中很常见，但之所以重要，是因为它能让预期保持现实。
游戏似乎是一个较弱的领域。一些可玩的场景乍看之下可能令人印象深刻，但玩一小会儿后就会显得内容浅薄。有一个历史场景被形容为卡通感过强。这表明，Fable 5 很擅长构建视觉上丰富的原型，但更深层的游戏机制、长期吸引力以及达到量产级别的打磨，仍然是另外的挑战。
另一个有趣的观察是，模型有时如果不被推动，表现似乎会打折扣。Gostev 提到，他需要要求它更有野心。这暗示了一个实用的提示词经验：对于高端生成式编程，往往需要明确允许模型把更多复杂度预算投入到场景中。
Agent Arena 与现实世界任务完成能力
据称，在 Fable 5 发布时，它在 Arena.ai 的 Agent Arena 排行榜上表现强劲。Arena.ai 将该排行榜描述为一个动态排名，用来衡量模型在现实世界代理型任务中编排工具的能力，所依据的信号包括任务完成情况、工具可靠性、可控性、bash 恢复能力以及工具幻觉。
这一背景有助于解释为什么这些 3D 世界会引发关注。它们并不只是创意演示，也是在对代理式编程进行压力测试：模型是否能够规划场景、编写代码、正确使用库、从错误中恢复、保持性能，并生成足够具有交互性、可供检视的成果？
为什么这种探索很重要
那只熊与鲑鱼的瞬间提出了一个更大的问题。如果一个模型是从互联网中学习而来，它怎么会知道被抓住的鱼应该挣扎？更重要的是，它又如何把这种常识性的理解，转化为坐标、网格、变换、动画时序，以及环境中的细微叙事？
如今，这个问题比“AI 是否能生成一个好看的”更值得关注。
静态图像。前沿正在迈向可执行世界：可以进入、检查、修改并用作原型的环境。
Gostev 更广泛的信息很简单：不要用模型在六个月前做不到什么，来评判今天的模型。即使 3D 世界并不是你的使用场景，同样的模式也可能适用于其他领域。某些过去遥不可及的任务，现在可能值得再尝试一次。
常见问题
什么是 Fable 5？
在原始报告中，Fable 5 被描述为 Anthropic Claude 系列中的一个模型，用于高端智能体式编程和 3D 生成实验。在这里提到的示例中，它被用来根据详细提示生成类似 Three.js 风格的交互式世界。
Fable 5 真的只用 1,600 行代码就创建了一个水下曼哈顿吗？
根据原始报告，Peter Gostev 检查了水下曼哈顿演示所生成的代码，发现大约有 1,600 行。这并不意味着它是一个可用于生产环境的曼哈顿数字孪生体，但确实表明，一个紧凑的生成式原型也能容纳相当高的视觉和空间复杂度。
这些 Fable 5 世界是用 Three.js 制作的吗？
文章中描述的大多数演示都被呈现为类似 Three.js 风格的 3D 环境。Three.js 是一个用于在浏览器中创建 3D 场景的 JavaScript 库，因此它非常适合用于单文件交互式演示。
Fable 5 能制作完整游戏吗？
这些演示表明，Fable 5 可以创建可玩且具有游戏风格的场景，但文章也指出，游戏仍然是相对较弱的领域。其输出作为原型可能令人印象深刻，但更深入的玩法设计、调优、性能稳定性和可重复游玩价值，仍然需要人工设计与工程支持。
为什么长提示对这些示例很重要？
最强的示例并不是由含糊的一行提示生成的。它们使用了较长的规格说明，涵盖场景结构、镜头控制、光照、对象行为、性能限制和交互规则。这使得提示更接近一份技术设计文档。
什么是 Agent Arena？
Agent Arena 是 Arena.ai 的排行榜，用于评估模型完成真实世界智能体任务的能力。它关注任务完成情况、工具可靠性、可控性、bash 恢复能力以及工具幻觉等信号，这些都与需要使用工具而不仅仅是回答文本问题的编程智能体密切相关。
这些图像示例是可用于生产的资产吗？
不是。更准确地说，它们应被理解为实验或原型。它们展示了模型能够多快生成内容，但若用于生产环境，仍然需要代码审查、资产清理、性能测试、许可证检查以及设计优化。
相关工具
- Claude Code：Anthropic 的智能体式编程系统，可用于阅读代码库、编辑文件、运行测试并完成开发任务。
- Claude Platform Docs：用于使用 Anthropic 模型构建应用程序的 Claude API 官方文档。
- Three.js：一个 JavaScript 3D 库，用于构建基于浏览器的 3D 场景，支持 WebGL 和 WebGPU。
- Three.js Documentation：官方
Three.js 类、对象、材质、动画和渲染 API 的参考资料。
- Arena.ai Agent Arena：一个用于比较智能体模型在真实世界工具使用任务中表现的排行榜。
- 3D Prompt Collection：Peter Gostev 公开整理的 3D 提示词集合，可用于复制、复用和学习。
相关链接
- 原始 BAAI / 智源文章：本文英文改写所依据的中文原始报告。
- Peter Gostev 的 3D Prompt Collection：包含文中提及提示词集合的 GitHub 仓库。
- 原始 Prompt JSON：可直接查看该集合背后公开提示词数据的链接。
- Karpathy 的 X 帖子：原文中引用的 X 帖子。
- Peter Gostev 的视频：被引用为 63 个 3D 世界示例来源的 YouTube 视频。
- Arena.ai Agent 排行榜：Arena.ai 公布的智能体任务表现排名页面。
- Three.js 手册：适合初学者的官方学习资料，用于创建基于浏览器的 3D 场景。
- Three.js GitHub 仓库：Three.js JavaScript 3D 库的官方源代码仓库。
来源说明
- 原文包含 Peter Gostev 演示中的截图和视频画面。相关截图已保留在其所支持的段落附近。
- 二维码、关注账号提示、平台图标和宣传图片已移除。
- 在艺术世界和元素/宇宙部分附近的两张源图片，在处理过程中无法通过抓取工具可靠预览，因此未嵌入本文，以避免插入无法辨认或识别错误的媒体。
- 原文声明：“内容中包含的图片若涉及版权问题，请及时与我们联系删除。” 转载时应保留这一版权说明。
总结
本文解释了为什么 Fable 5 的 3D 世界演示会引起关注：它们将代码生成、空间推理、动画、交互和视觉叙事结合在一起，给人的感觉更像是在构建可执行的小型世界，而不是生成静态媒体。
其中最令人印象深刻的例子包括水下曼哈顿、捕鲑鱼的熊、可步行穿梭的绘画风格世界、不可能的微观尺度场景，以及大型程序化城市环境。与此同时，原始报告也明确指出，这些并不是轻轻一句提示就能毫不费力生成的结果。它们依赖于长提示词、筛选输出，以及一定程度的迭代。
对于开发者和创作者而言，实际的经验教训很简单：详细规范如今比以往任何时候都更重要。强大的模型能够把写得好的技术提示更快地转化为可运行的原型，这一点已经超过了前几代工具。
Fable 5 还不是一条完整成熟的 3D 生产流水线，但它表明，具备智能体能力的编程模型正在变得越来越擅长把想象转化为可交互、可检查的世界。
