9月5日凌晨3點，Codex突然更新了。
我也立刻更新，打開 GPT-6，開始實測。
那先測什麼？
肯定是最近推特上很火的一鍵生成三維場景。
這兩天看了不少演示：給 AI一張建築照片，過一會兒，它就能交出一個可以旋轉、縮放、進去逛的頁面。
看別人的視頻是一回事，自己隨手找張圖，能不能得到同樣的結果，又是另一回事。
所以我找了一張白宮的照片，直接丟了進去。
後面又測了秦始皇騎北極熊的 SVG動畫，看了朋友用一句話做出的馬里奧賽車遊戲，最後還拿一個昨天寫過的帖子，試了試它模仿孫宇晨小作文的能力。
這幾個案例放在一起，挺能說明我這一晚的感受：
GPT-6讓我意外的地方，是一個很短的要求發過去，它能把多少沒交代的細節一起做出來。
白宮這項，我的需求很簡單：根據這張照片，做一個可以自由瀏覽的三維建築頁面。
沒有給建築圖紙，沒有補其他角度，也沒有告訴它該用什麼技術。
22分鐘後，它交出了一個能打開操作的頁面。白宮主體、前面的噴泉、花壇、草坪和周圍的樹都在，頁面上也做好了建築名稱、視角切換和控制按鈕。
我先拖動鼠標，繞着建築轉了一圈，又拉近看了一下。
到這裏，已經能理解為什麼這類視頻最近會火：
原本平面照片裡的東西，突然有了可以繞過去看的空間。
然後我點了自由漫遊。
我靠，居然還能用 WASD走路？
你可以自己往建築前面走，靠近柱子和門窗，也可以換個位置看庭院。
這裏的區別，在你按下鍵盤的時候就能感覺出來。
看一張渲染圖時，角度已經被選好了；進入場景以後，你可以決定自己站在哪裏、往哪邊
再往下點，還有日光調節。
拖動滑塊，場景里的光線和陰影會跟着變化。
我確實要求了自由瀏覽，但沒有逐條要求漫遊怎麼做、視角怎麼切、光線怎麼調。
這些東西，是它在實現需求的過程中自己補上的。
做完這一步，我覺得單說它能生成三維模型，已經有點說窄了。
我拿到的是一個圍繞建築搭好的瀏覽體驗，模型只是其中一部分。
那些看起來不起眼的按鈕，決定了這個東西打開以後，到底有什麼可玩。
當然，一張正面照片沒有提供建築背面的信息，沒拍到的部分只能近似補全，不能當成精確的建築復原。
過程中也有一次訪問報錯，我把問題發回去，它切到本地預覽後才正常打開。
但這些都沒有改變最終的結果：我拿着一張照片，得到了一個可以自己走進去看的場景。
接下來測 SVG，也就是用代碼畫矢量圖，再讓裏面的東西動起來。
以前這類測試的保留節目是鵜鶘騎自行車。
但這道題出現得實在太多，我也會懷疑，模型是不是已經見過類似訓練材料，甚至對這道題有了過擬合。
再畫好一隻鵜鶘，對我的參考價值已經沒那麼大。
所以這次換成社區也在玩的秦始皇騎北極熊，再加一個逛長城。
這當然也算不上嚴格排除了訓練污染，就是換道題，看看它處理幾個不太搭的元素會是什麼樣。
我發過去的原話是：你幫我用 SVG畫一個秦始皇騎着北極熊逛長城，要能動。
界面顯示，它做了8分34秒。
出來的畫面叫「北境巡遊」，秦始皇騎在北極熊背上，腳下是城牆，後面有層疊的山、延伸的長城和一輪紅日，旁邊還配了標題、印章和旗幟。
熊會邁步，秦始皇會跟着步伐起伏，披風也在動。
整張畫裏，人物、坐騎和背景能放在一起看，動作也有配合。
我當時的評價是，這是我見過最好的 SVG之一。
這裏面讓我覺得好玩的，是我只交代了幾個對象，它卻自己給這些對象找了一種畫法。
配色、構圖、遠近關係、標題，都要作選擇。
秦始皇騎北極熊本來就很離譜，但畫面做出來以後，居然有點像那麼回事。
它也沒有把「要能動」理解成讓整幅畫平移一下。
熊走路，騎在上面的人就得有相應的起伏，披風也要跟着動。
這個要求只有三個字，真正落實到畫面里，會變成好幾個相互關聯的問題。這次，它把這些關係處理得不錯。
做完這兩項，再看朋友@路燈同學創業筆記發來的賽車遊戲，我的第一反應是：
任天堂死了。
玩笑歸玩笑，視頻確實值得看。
據朋友說，他也是用一句話，讓 GPT-6做了一個馬里奧風格的賽車遊戲。
我剛才也單獨聊過這個案例，這裏把視頻放上來。
打開以後，先是一個完整的比賽入口。
可以選馬里奧、路易吉、碧姬、耀西這些角色，旁邊是三維賽道，蘑菇、城堡、樹和起跑線都做好了。
頁面還列了競速賽、道具賽兩個選項，錄屏里實際玩的是競速賽。
進入比賽，左上角顯示名次、圈數和時間，右上角有賽道小地圖，下面是車速和漂移蓄力條。
其他車手會一起跑，排名隨着比賽變化，鏡頭跟着車走。
漂移可以蓄力，攢夠以後能用氮氣加速，界面上還有對應的提示。
GPT-6甚至做了自動油門的開關。
打開以後，就可以把注意力放在轉向和漂移上。
我看這個視頻的時候，最在意的就是這些細節。
一個賽車遊戲，畫出車和賽道以後，還得讓人知道怎麼開始、怎麼操作、自己排第幾、什麼時候能加速。
這些部分放在一起，才有了實際玩一局的感覺。
白宮補了自由漫遊和日光，賽車補了比賽界面和駕駛輔助。
兩個例子連起來看，很容易明白我為什麼會覺得這輪體驗好：需求里的那個名詞，開始能帶出一整套相關的功能。
它離一款經過長期打磨的商業遊戲還有距離，手感、關卡和耐玩程度也不能靠一段錄屏判斷。
但從一句話出發，已經能拿到這種程度的原型，足夠讓很多人願意先動手試一次。
最後，我還測了一下寫作。
這項對我更直接。
我每天都要寫東西，一個模型會不會寫，讀上幾段，通常就能感覺出來。
有些文章單看每句話都沒問題，連起來卻很空。
開頭給你鋪一堆背景，中間換着說法重複，最後再強行講一個時代已經到來。
所以這次我拿了一個具體的素材。
昨天我寫過推特上的一個老哥 Josh Cohenzadeh：看到 GPT-6 Astra的表現以後，他發帖說要搬去懷俄明州，儘量遠離 AI。
帖子裏還有一串帶着技術圈笑話的生活計劃，最後說要在那裏劈柴，等算力耗盡。
我把這件事交給 GPT-6，讓它模仿孫宇晨那類小作文的風格，寫一篇文章。
出來的標題是《他去懷俄明州，等算力耗盡》，第一句只有：十五分鐘以後，他訂了機票。
接下來從這個人的反應寫起，寫到選房子的條件、柴火爐、水井和紙質地圖，慢慢把那個有點荒誕的決定展開。
我覺得它寫得好的地方，可以直接看這一段。
寫到他想找牙醫、木匠等人組建社區，並把這些本事叫作 AGI前技能時，文章接了一句：
仿佛一個時代還沒結束，已經有人開始給裏面的東西貼標籤，準備保存下來。
前面有具體的人和職業，這句話才接得住。
它把那個玩笑里有點複雜的情緒寫出來了，又沒有停下來解釋一大段技術焦慮。
結尾也一樣。
前面已經寫過柴火爐，最後回到他要劈柴、等算力耗盡的說法，文章收在這裏：
至於算力什麼時候耗盡，沒有人能給他一個準信。
柴倒是可以先準備起來。
這兩句我很喜歡。
關於未來的大問題還懸在那裏，但文章回到了一個人眼下能做的事。
開頭的機票，中間的紙質地圖和柴火爐，最後的劈柴，是能一路讀下來的。
對我來說，這比單純模仿幾個口頭禪難得多。
寫作要判斷哪裏值得展開，哪個細節可以留下，什麼地方已經說夠了。
尤其是結尾，很多 AI寫到這裏就開始捨不得停，好像不把意義再解釋三遍，前面的文章就白寫了。
這次的收尾，我覺得相當好。
這一晚看下來，三維場景、SVG、賽車和寫作，其實給了我一個相近的感受：
我交代一個目標以後，它已經能替我處理相當一部分中間的選擇。
白宮要怎麼逛，賽車要怎麼開始，動畫裏哪些東西應該一起動，文章里哪個細節應該放到最後。
這些都曾經需要人在做的過程中一項項決定。現在，模型交回來的第一版里，已經帶着它自己的處理。
幾次體驗當然不能證明所有任務都到了這個水平。
但它改變了我對嘗試成本的判斷。
以前一個想法冒出來，想到要學工具、找素材、搭環境，可能就先放下了。
現在可以先交給它做，等結果出來，再判斷這個想法值不值得繼續。
當第一版越來越容易做出來，選擇什麼值得做、判斷哪裏做得不好，就會佔據更多精力。
這對寫作者、產品經理和想做點東西的普通人，都很具體。
我們能更早拿着作品討論，也能更便宜地發現自己原來的想法不成立。
這會改變很多討論發生的時間。
以前，你得先把一個想法解釋得足夠清楚，說服自己或者別人投入時間，才有機會看到結果。
現在，一些原本要等到做出來才知道的問題，可以更早得到回答：這個視角合不合適，操作順不順手，這個故事到底有沒有意思。
拿做內容來說，文章里要解釋一個場景，以前可能到一張配圖就結束了。
如果這種完成度能夠穩定復現，我就可以考慮把它做成一個讀者能進去看的頁面，或者一個能親手操作的小演示。
一個人能使用的表達方式，會跟着製作成本的下降一起增加。
很多原本覺得不值得專門做的東西，可能就會因此被做出來。
所以這一晚之後，我對 GPT-6最直接的期待是：
下次想到一個東西，可以少在腦子裏空轉一會兒，先讓它做出來看看。
畢竟，一張白宮的照片，我已經真的走進去逛過了。
