Andrej Karpathy 撰文指出简单 LLM 测试已过时。他给 Opus 5 输入《魔戒》开篇段落、赋予 100 万 Token 预算并要求用 Three.js 渲染；模型自主持续运行约两小时，生成了 5500 行高复杂度的过程式 3D 渲染代码，证明前沿模型已具备构建超定制复杂世界的惊人耐力。
核心要点速览
- ✓前沿编程模型已具备极强耐力，能在数小时内自主探索并产出数千行复杂 3D 交互代码。
- ✓传统玩具级 Coding Benchmark（如画简单图形）已无法衡量新一代 Agent 极限。
- ✓指出当前瓶颈在于视觉与交互审计，智能体未来需具备原生多模态视频与动态体验审核能力。
⚡
一眼结论开发者 3 秒速决决策指标
🧭
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读Karpathy 用 Claude Code + Opus 5.5 约 2 小时做出 HackerTube：只收录 HN 推荐过的 6,454 个 YouTube 视频
立即阅读→
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察