让模型写一个函数,和让它连续几个小时做出一个可以体验的作品,中间差的并不只是代码量。
项目越长,越需要处理素材、执行环境、测试、版本管理和验收。一个局部改动正确,不代表整个作品好用;一段程序能运行,也不代表画面有趣。
Claude Fable 5.2 的几项公开创作实验,恰好提供了观察这些问题的切口。本文整理 Felix Rieseberg、Ethan Mollick 和 Riley Brown 的公开记录,讨论程序化生成、多智能体协作和工具编排,不是独立实测。耗时和费用均按作者披露引用,不作为复现保证。
八小时做一个游戏,真正值得看的是交付边界
Felix Rieseberg 展示了一个名为 Saltline 的浏览器第一人称射击项目。他希望测试:没有后续人工反馈,模型能把一条游戏需求推进到什么程度。
按照作者原帖,这次运行约八小时,按 API 价格计算约 550 美元,使用约 445M 输入 Token 和 2.7M 输出 Token,输入大量命中缓存。

图片来源:Felix Rieseberg 原帖的演示封面;不是本文实测截图。
这里有两个容易被标题省略的条件。
首先,他的提示词明确要求范围小,可以只是一个很小的关卡。提示词希望视觉接近 AAA,不等于项目已经达到商业大作的质量,更不意味着完成了完整游戏的内容、优化和兼容性工作。
其次,"一条提示词"描述的是人的输入方式,不是后台只有一次模型调用。长任务可能反复读取代码、调用工具和修改内容,不能用提示词长度估算执行成本。
Felix 后来补充,纹理和模型都是函数,没有图片或三维模型文件,源代码可以从 HTML 中检查。本文没有审计源码,因此将其保留为作者对实现方式的说明。
这条路线的价值在于可编辑性:物体比例、材质参数和光照逻辑如果由代码表达,就有机会进行局部修改,而不是每次重新生成整张画面。不过,代码生成的素材仍可能存在性能或维护问题,可编辑不等于可直接投入生产。
从一个场景到数百个世界,瓶颈开始变成协调
Ethan Mollick 的 Portals 实验,把目标从单个关卡变成一场穿过不同三维世界的自动旅行。
根据他的原文,最初二十小时生成了 204 个世界,文章后续记录已超过 450 个。项目持续更新,不宜把某个时间点的数量当成最终成绩。

图片来源:Ethan Mollick《Fable 5.2 and Jagged AGI》。
这些世界不是简单换一套颜色。作者介绍的例子包括正在被拉链打开的牛仔布山谷、从果蝇视角看到的冰箱,以及由巨大抽屉柜组成的峡谷。按照他的说明,场景由代码实时绘制,没有预制模型或图片文件。
他的初始要求包含艺术、编程和评估智能体协作,但后续也提供了地点清单、减少晕动感的功能要求和图片画廊需求。因此,最终结果并不是一次启动后完全无人参与。
更有参考价值的是后面遇到的问题。
Mollick 发现多个团队出现相似创意、部分场景质量不均,于是要求暂停扩张,先打磨已有内容。智能体随后建立了评审流程:新版本要经过多个评委,对固定截图进行比较。
团队开始针对这些截图优化,协调者又加入更严格的规则。按照作者的记录,规则文档后来增长到 204 节、约 87,500 个单词,项目反而被审批流程拖慢。
这说明,多智能体不只是"并发数越大越快"。当所有角色都不断增加检查,而没有人负责删减规则,协调成本可能盖过制作收益。
固定截图也是有限的代理指标。它可以检查某个画面的构图,却不能完整代表连续游览时的体验。如果任务是做一个有趣的世界,验收就不能只问截图是否合格,还要问路线是否单调、运动是否让人不适、不同场景是否过度重复。
Blender 案例:写代码的模型,不等于视频生成模型
Riley Brown 分享的实验采用了另一种生产方式:让 Fable 编写代码,驱动 Blender 搭建场景和动画。
根据作者原帖,模型制作了房间、桌子、笔记本电脑和灯光,并编排 13 个镜头。电脑屏幕中的界面是另一个由模型编写的网页,光线则经历黄昏、夜晚和日出。

图片来源:Riley Brown 原帖的演示封面,仅引用静态画面。
作者还披露,渲染使用 RunPod 上的 10 块 GPU,约 52 分钟完成 4K 渲染,音乐和音效由 ElevenLabs 制作。
所以,这个案例应被理解为模型协调代码和外部制作工具,而不是 Fable 直接输出了视频文件。场景生成、渲染和声音制作由不同环节承担。
原帖提到 5.75 美元,但没有提供完整分项账单。不能据此推断它涵盖全部模型调用和第三方服务,更不能将其写成通用成片价格。
对于开发者,这个案例提示了一种选择方式:如果目标是快速探索视觉效果,可以考虑直接生成片段;如果需要严格控制物体关系、镜头参数和动作时间,脚本驱动的三维流程可能更适合。两者也可以组合使用,前提是先明确哪些部分需要可重复编辑。
把这些实验拆成一个可管理的工程流程
上面是案例记录,下面是基于案例提出的工程建议,不代表我们已经用 Fable 完成了相同实验。
先做最小可运行作品
不要从"做一款完整游戏"开始。先做一个房间、一种交互或一个镜头,明确启动方式、依赖和验收条件。
可以把任务说明写成这样:
制作一个浏览器交互场景,只展示一个核心机制。先交付最小可运行版本,再根据运行结果修改。把几何、颜色、镜头和运动速度集中为可调参数。交付启动说明、测试记录和已知问题。未经确认,不购买资源、不公开部署,也不访问项目目录之外的文件。
这不是追求某种神奇提示词,而是防止任务边界在执行过程中不断扩大。
把功能检查与观感评审分开
功能检查关注启动错误、资源加载、交互和性能;观感评审关注节奏、重复、视觉重点和舒适度。两种结果都应该记录,但不应混成一个含糊的"质量评分"。
例如,教学动画可能几何计算正确,却因为镜头移动太快而难以理解。游戏可能没有控制台错误,却因为反馈迟缓而不好玩。这些问题需要不同的观察方法。
给长任务设置预算和停止条件
运行时间、工具调用次数和实际费用应分别记录。累计输入 Token 也不是一次上下文窗口的长度,更不等于项目独有内容的规模。
到达预算上限、连续多轮没有明显改善,或者已经满足约定验收条件时,应停止扩张并交付当前版本,而不是默认继续执行。
缓存会影响费用,但不能只看缓存命中率。模型选择、输出规模、并行任务和外部资源同样需要纳入预算。
保留版本,而不是只保留聊天记录
每个可运行阶段应保留代码版本、参数和必要的运行信息。后续修改失败时,可以回退到最近的可用状态。
对于程序化创作项目,一个简单的目录约定就能减少交接成本:
project/
src/ # 场景与交互逻辑
config/ # 镜头、材质、运动参数
tests/ # 可自动执行的检查
previews/ # 阶段性预览
README.md # 启动、依赖与已知限制
这是建议结构,不是上述项目的真实目录。重点是让成果可以在脱离聊天上下文后继续维护。
结语:生成能力进步后,验收的重要性会更明显
这三个案例分别展示了程序化游戏、批量三维世界和脚本驱动动画的可能性,也暴露了不同限制:长任务费用、协作重复、评审指标失真和外部工具依赖。
它们不证明某个模型可以稳定替代完整制作团队,也不意味着给出一个模糊目标就能得到成品。更实际的变化是,开发者能够尝试把以前需要多种技能才能启动的想法,先做成一个可运行原型。
接下来真正需要投入判断力的,仍然是同一组问题:作品要表达什么,哪些部分必须准确,哪些细节值得继续打磨,以及什么时候应该停下来。
参考资料
- Anthropic:Claude Fable 与 Mythos 5.2 发布介绍
- Felix Rieseberg:Saltline 实验记录
- Felix Rieseberg:公开提示词
- Felix Rieseberg:程序化素材说明
- Ethan Mollick:Fable 5.2 and Jagged AGI
- Riley Brown:Blender 动画制作记录
本文配图用于对应案例的介绍与评论,来源均已在图下标注,权利归相应权利人所有。案例数据是公开记录的整理,不是本文独立复现的测试结果。