倆小時(shí)就燒掉400塊Token后，我終于看懂Claude Fable 5有多猛

Claude Fable 5 于 6 月 10 日發(fā)布后，知危在推特上圍觀了大量案例，印象最深刻不是那些 UI 設(shè)計(jì)、物理模擬案例，也不是一天內(nèi)遷移五千萬行代碼的代碼庫（ 畢竟這超出了個(gè)人的認(rèn)知范圍 ），反而是被一個(gè)看似簡(jiǎn)單的例子吸引了。

來源：
https://x.com/ProperPrompter/status/2064405487492452856

提示詞：

使用 SVG 模擬像素藝術(shù)，創(chuàng)建一個(gè)精美且細(xì)節(jié)豐富的可愛動(dòng)物場(chǎng)景。每個(gè)“像素”的大小應(yīng)該相同。

雖然讓大模型用 SVG 來畫圖已經(jīng)有大量的嘗試，但知危是第一次感覺到AI的作畫是那么自然協(xié)調(diào)，不管是動(dòng)物的形態(tài)，環(huán)境的氛圍，還是顏色的組合，它讓你感覺 Claude Fable 5 是在用眼睛看著作畫。

而在看到下圖這個(gè)案例之后，加上火速通關(guān)《 寶可夢(mèng)：火紅 》的戰(zhàn)績(jī)，讓我對(duì) Claude Fable 5 可能擁有某種 3D 視覺思維或者說 “ 空間智能 ” 能力的想象更加強(qiáng)烈。

于是，在本期測(cè)評(píng)中，知危打算著重測(cè)試 Claude Fable 5 用代碼構(gòu)建視覺概念的能力。（ 全程使用 Claude Code 測(cè)試 ）

盡管網(wǎng)友似乎更加熱衷于讓 Claude Fable 5 直接構(gòu)建《 我的世界 》，但其實(shí)里面的構(gòu)成大部分是平凡的地形元素，要驗(yàn)證模型的視覺思維的存在，必須讓它去實(shí)現(xiàn)一些非平凡的概念和性質(zhì)，比如帶有 IP 屬性的形象，二次組合創(chuàng)新，對(duì)原創(chuàng)設(shè)計(jì)的即時(shí)理解等。

在正式開始前，還是要用一個(gè)比較復(fù)雜的案例看看 Claude Fable 5 的基礎(chǔ)編程能力。

在一個(gè)被用來挑戰(zhàn)過 Gemini 3 Pro 等模型的 3D 引擎案例下，Claude Fable 5 交出了目前為止最好的答卷，除了需求完整實(shí)現(xiàn)、沒有 bug 以外，它是唯一一個(gè)不會(huì)漏掉左側(cè)模版庫的 AI。

這只是前菜，畢竟對(duì)于這個(gè)案例，網(wǎng)頁版的 Claude Sonnet 4.6（ low effort ）也能基本完成了。

接下來，就要考驗(yàn) Claude Fable 5 的視覺理解和構(gòu)建能力了。

我要求 Claude Fable 5 直接就用剛才寫好的 3D 引擎，搭建出一個(gè)多啦 A 夢(mèng)的 3D 模型，結(jié)果堪稱完美。

再來一個(gè)喬巴，也是驚喜遠(yuǎn)多于槽點(diǎn)。

繼續(xù)，再加一個(gè)路飛，放在他們身后，并且強(qiáng)調(diào)了是 3 檔形態(tài)，Claude Fable 5 很好地理解了這個(gè)狀態(tài)下路飛的巨大手臂形態(tài)。

最后，我希望在場(chǎng)景上更加豐富一些，就要求 Claude Fable 5 畫出路飛的海賊船“ 黃金梅利號(hào) ”，并讓他們?nèi)齻€(gè)站在甲板上。

結(jié)果不太理想，那么大一艘海賊船被 Claude Fable 5 畫成了只能在景區(qū)湖里使用的小船，當(dāng)然模型有刻意去還原船頭的羊頭標(biāo)志和海賊旗，也是很細(xì)節(jié)了。

做完上述這些測(cè)試后，Claude Code 消耗了 43% 的 5 小時(shí)額度，以及價(jià)值 7.29 美元的 Token，價(jià)格確實(shí)不菲，要想玩的盡興點(diǎn)，Pro 級(jí)訂閱應(yīng)該是不太能滿足的。

“ 黃金梅利號(hào) ” 的 “ 崩塌 ”，可能是由于工作空間太小，導(dǎo)致了Claude Fable 5難以發(fā)揮。

接下來，我們打破引擎框架的限制，并開始構(gòu)建更加復(fù)雜的對(duì)象，讓 Claude Fable 5 直接用 Three.js 來構(gòu)建《 我的世界 》風(fēng)格的艾爾迪亞王國(guó)，也就是《 進(jìn)擊的巨人 》中由三堵圓形城墻為框架建立起來的城堡。

提示詞：

你將使用 Three.js 構(gòu)建一個(gè)第一人稱體素（Minecraft-like）沙盒原型，自由組織項(xiàng)目，可以引入依賴和后處理。

目標(biāo)：實(shí)現(xiàn)一個(gè)以《進(jìn)擊的巨人》“艾爾迪亞王國(guó)三層城堡”為核心的可交互體素世界。

核心場(chǎng)景：艾爾迪亞三層城堡。世界核心是一個(gè)巨大的“帕拉迪島風(fēng)格王都城堡”，采用三層城墻結(jié)構(gòu)：瑪麗亞，羅塞，希娜。

核心體驗(yàn)：玩家出生在最外層的城墻（瑪麗亞）上方，可沿城墻環(huán)繞行走，可從城墻落到地面，可從地面爬上城墻。世界是程序生成的體素地形，要有村莊、城堡、河流、草原和樹林。

玩法基本保留 Minecraft 經(jīng)典手感：第三人稱，WASD+鼠標(biāo)，左鍵破壞，右鍵放置，帶物品欄。其余細(xì)節(jié)由你發(fā)揮，打開第一眼就要被城墻和夕陽震住。

如果實(shí)現(xiàn)成功，應(yīng)滿足：

• 玩家進(jìn)入世界后看到三層城墻明顯分層結(jié)構(gòu)；
• 能在不同層之間移動(dòng)（樓梯/繩索/地面）；
• 第一層復(fù)雜、第二層規(guī)整、第三層宏偉；
• 可以自由破壞/放置方塊；
• 城堡結(jié)構(gòu)在視覺上“可讀”（一眼看出三層權(quán)力結(jié)構(gòu)）。

提示詞沒有太多講究，關(guān)鍵就是多強(qiáng)調(diào)目標(biāo)、驗(yàn)收標(biāo)準(zhǔn)，而不是過程。

在執(zhí)行過程中，Claude Fable 5 會(huì)持續(xù)多次調(diào)用 Chrome CLI headless 截圖來查看和測(cè)試當(dāng)前實(shí)現(xiàn)效果，看起來確實(shí)很像是在 “ 邊畫邊看邊測(cè)試邊思考 ”。

只是使用 Chrome CLI headless 截圖可能觸發(fā) Mac 權(quán)限限制等問題，導(dǎo)致進(jìn)度一直停滯。參考ChatGPT的建議，我將原方案改為 Playwright 方案（ Playwright 是一個(gè)開源的瀏覽器測(cè)試和網(wǎng)頁抓取自動(dòng)化庫 ），順利完成了項(xiàng)目。

來看看效果如何：

一眼看過去還是非常驚艷的，一個(gè)鏡頭就能直接將夕陽下的三堵巨大城墻的視覺效果呈現(xiàn)給你。城墻上的豎條紋非常符合原作的特點(diǎn)，甚至你還能發(fā)現(xiàn)，作為主角的士兵可以確定是調(diào)查兵團(tuán)的，因?yàn)榕G色的披風(fēng)。

當(dāng)然，這個(gè)結(jié)果的復(fù)雜度肯定還遠(yuǎn)遠(yuǎn)比不過人類的 MineCraft 作品，比如下圖，由 DSOGaming 的創(chuàng)始人兼主編 John Papadopoulos 創(chuàng)作。

要知道，Claude Fable 5 只是完成了艾爾迪亞王國(guó)的宏觀框架，平原上的村莊、森林過于凌亂而隨意，最核心的居民區(qū)也就是甕城（ 上圖呈現(xiàn)的城市結(jié)構(gòu) ）連個(gè)影子都沒有，城墻之間間距過窄，沒有任何“史詩級(jí)”的氛圍。

當(dāng)然，反過來看，Claude Fable 5 搭建出來的成品，至少?zèng)]有和我搜索到的任何相關(guān)作品雷同，所以目前來看，這是它基于自己的理解而不是套訓(xùn)練數(shù)據(jù)做出來的概率，相對(duì)高一些。

接下來，就要加難度了，主要是把上述槽點(diǎn)都修一修。

首先是調(diào)整宏觀尺寸。

提示詞：

請(qǐng)調(diào)整尺寸，人身高:城墻高度=1:50，城墻高度:相鄰城墻距離=1:20。在每個(gè)城門的部分還有再略為向外突出的半圓形城墻的甕城。

Claude Fable 5 分析需求后，認(rèn)為間距過大會(huì)讓三堵墻無法在視覺上一鏡同屏，且需重寫為流式生成，后面會(huì)解釋這是基于視覺渲染效率的考慮。它竟然給我提供了三個(gè)完全不同的選項(xiàng)，要么保持當(dāng)前間距，要么去實(shí)現(xiàn)極端大間距，要么做一個(gè)折中。

畢竟按原來提示的極端大間距下，同屏是不可能的，很影響視覺氛圍，且從一堵墻到另一堵墻的徒步時(shí)間過長(zhǎng)，所以最后還是選擇了折中方案。

折中方案也不錯(cuò)，三堵墻一眼盡收眼底。

乍一看會(huì)覺得Claude Fable 5用平滑的、無結(jié)構(gòu)的墻面來偷懶，城墻上還有莫名其妙的缺口，但走近了之后才理解它的苦心。

隨著離城墻越來越近，墻面的真實(shí)結(jié)構(gòu)也逐漸顯露出來，原來的缺口也被填補(bǔ)了。

我追問了一句，“ 為什么將城墻半徑擴(kuò)大需要很大量的工程，具體有哪些工作內(nèi)容和挑戰(zhàn)？”

Claude Fable 5 解釋道：生成不貴，“ 讓你看見 ” 才貴。

這應(yīng)該是指如果要把場(chǎng)景內(nèi)的所有細(xì)節(jié)一次呈現(xiàn)給你，內(nèi)存占用過高，會(huì)無法流暢運(yùn)行。所以一般是近景才做細(xì)節(jié)渲染，遠(yuǎn)景只做粗糙些的渲染，此即所謂的流式生成或流式渲染。這其實(shí)也是很多游戲特別是開放世界游戲的常用優(yōu)化手段了。

重點(diǎn)是，它就連優(yōu)化和折中的重點(diǎn)也放在視覺層面。

但甕城里是真的什么都沒有，連門都給封住了。

還好，Claude Fable 5 有按要求提供爬上城墻的樓梯，這可是原作里不存在的東西。

接下來，需要再完善一些細(xì)節(jié)，以及分三步，給它一個(gè)終極大考。

第一考，在瑪麗亞之墻和羅塞之墻之間的平原上，構(gòu)建一個(gè)超大型巨人，身高和城墻相當(dāng)。

結(jié)果如下：

雖然這個(gè)巨人有點(diǎn)像閃電俠，但按完成度來看沒有什么大毛病，當(dāng)然這也只是個(gè)前菜，提供一些氛圍感。

第二考，目前為止我們主要感受了 Claude Fable 5 還原 IP 特征的能力，從游戲玩家視角思考構(gòu)圖的能力（ 比如流式渲染 ），在細(xì)節(jié)上組合創(chuàng)新的能力（ 比如在城墻上嵌入樓梯 ），那么還差最后一點(diǎn)，就是基于原創(chuàng)設(shè)計(jì)的即時(shí)理解能力。

我給 Claude Fable 5 提供了來自藝術(shù)家 Jarlan Perez 的機(jī)器人概念設(shè)計(jì)作品，讓它在羅塞之墻和希娜之墻之間的平原上，把機(jī)器人復(fù)刻出來，身高也是和城墻相當(dāng)，并把玩家的出生點(diǎn)從瑪麗亞之墻轉(zhuǎn)移到羅塞之墻，便于驗(yàn)收和觀察。

參考圖：

結(jié)果如下：

這個(gè)結(jié)果，可以說比超大型巨人好多了，除了眼睛做的不像，其它部分還原度都很高。

另外也能看出，Claude Fable 5 有刻意將瑪麗亞之墻和羅塞之墻之間的城市做的更加規(guī)整一些，雖然希娜之墻內(nèi)部還是很敷衍。

最后一考不看局部細(xì)節(jié)，而是讓 Claude Fable 5 直接挑戰(zhàn)人類。

也就是看它能不能構(gòu)建一個(gè)達(dá)到人類高級(jí)玩家水平的甕城，不只是給語言提示，還要用參考圖的細(xì)節(jié)程度暗示模型不能偷懶。參考圖選用了動(dòng)畫原作的托洛斯特區(qū)鳥瞰圖，它剛好位于現(xiàn)在的羅塞之墻出生點(diǎn)的南邊。

參考圖：

來看看最終結(jié)果如何：

如果走到對(duì)面的甕城城墻上，也能看到城墻外的超大巨人的背部，是合理的。

如果要跟 John Papadopoulos 的作品相比較，很明顯，人類還是勝出。但就完成度而言，包括尺寸、河流、居民區(qū)、中心處高塔等，都成功地呈現(xiàn)了，也算是交出了一份及格卷。

這三大考直接耗盡了我的 5 小時(shí)額度，可見要真做出來 100% 還原的艾爾迪亞王國(guó)有多燒 Token 。

到此，加上之前用來構(gòu)建 3D 引擎、動(dòng)漫形象，總共用了 2 小時(shí) API 時(shí)間，成本一共達(dá)到了價(jià)值 56.99 美元的 Token 消耗（ 訂閱制+Fable 是真香，可惜快沒得用了 ），而我的艾爾迪亞王國(guó)，如果要做到在靜態(tài)視覺上基本還原的程度，目前的完成度估計(jì)還不到十分之一。

好了，測(cè)評(píng)結(jié)束！

回到文章開頭的問題：Claude Fable 5 究竟有沒有 “ 視覺思維 ” 或是一定程度上的 “ 空間智能 ” ？

經(jīng)過這輪測(cè)試，知危依然無法給出一個(gè)確定答案。但至少在這次體驗(yàn)里，Claude Fable 5 展現(xiàn)出的能力已經(jīng)超出了傳統(tǒng)意義上 “ 根據(jù)提示生成代碼 ” 的范疇。

它會(huì)一邊寫代碼一邊觀察，會(huì)主動(dòng)考慮構(gòu)圖，會(huì)權(quán)衡視覺呈現(xiàn)與性能消耗，會(huì)為了遠(yuǎn)景觀感調(diào)整世界尺度，會(huì)對(duì)原創(chuàng)參考圖做出極致的視覺還原。

從多啦A夢(mèng)、喬巴、路飛、“ 黃金梅利號(hào) ”，到艾爾迪亞王國(guó)、原創(chuàng)機(jī)器人概念設(shè)計(jì)，再到最終的托洛斯特區(qū)，它表現(xiàn)出的并不是簡(jiǎn)單的復(fù)讀與拼接，而更像是在不斷建立、修正和驗(yàn)證自己對(duì)目標(biāo)的視覺理解。

當(dāng)然，它距離真正的人類創(chuàng)作者還有很長(zhǎng)距離。它的細(xì)節(jié)塑造能力依然有限，審美穩(wěn)定性也談不上完美，而高昂的 Token 成本更決定了這種創(chuàng)作方式暫時(shí)難以普及。

但不可否認(rèn)的是，當(dāng)一個(gè)大模型開始能夠一邊編程、一邊觀察、一邊迭代自己的視覺成果時(shí)，它已經(jīng)站在了一個(gè)新的起點(diǎn)上。