63 道地獄級難題實測，GPT-5.6 把其他 AI 甩開了一截

不出所料，GPT-5.6 發(fā)布的同時，把 Codex 也「干掉了」，取而代之的是一個包含 ChatGPT Work 和 Codex 的 全新 ChatGPT 應用。

但是你仍然可以選擇保留 Codex 那個云朵圖標

選擇 Work 還是 Codex 目前在界面的呈現(xiàn)上，沒有太大的區(qū)別。

唯一比較明顯的是，當我們切換到 Codex 場景，ChatGPT 的回答會加上「代碼差異」，鼠標懸浮在「已編輯」文檔上，就會顯示開發(fā)者常見的 Diff 界面，綠色代表新增，紅色代表刪除。

左邊為 Codex 場景，右邊為 Work 場景

未來 OpenAI 或許會對其項目類別進行區(qū)分， 目前切換場景，項目都是共享的，所能使用的模型和 Skill 也都是通用的 。

我們的 Pro 賬號目前可以選擇包括 GPT 5.6 在內(nèi)的全部型號模型，推理強度從輕度到極高多個等級。

我們在詳細介紹 GPT-5.6 的文章里提到了關于模型的更多信息，以及一些社交媒體上使用 GPT-5.6 來做「我的世界」等 3D 游戲的案例。

現(xiàn)在的大模型，一句話讓他們寫個網(wǎng)頁，已經(jīng)很難測出 AI 究竟有多強了。

大模型競技場的 AI 能力負責人 Peter Gostev，在前幾天公開了 63 條幾乎是故意為難模型的 3D 提示詞；從大型 3D 世界，到各種可游玩的 3D 場景、名畫世界，以及極端視角、自然奇觀，和元素與宇宙終局場面等。

3D 世界的第一題就要求它用 Three.js 做出完整曼哈頓：開場必須看到整座島，向下縮放時還要無縫進入街區(qū)，看到車流、渡輪、屋頂水塔和公園小徑。

后面的題越來越有意思。AI 要坐進煙花彈，從發(fā)射筒沖上天空，在爆炸的一刻停在一萬條金色焰火的中心；也要把梵高的《星月夜》做成能飛進去的油畫宇宙，讓每一道筆觸都保留顏料厚度，還會沿著畫里的旋渦流動。

尼亞加拉瀑布要同時出現(xiàn)馬蹄瀑布和美國瀑布，水霧、彩虹與游船都得動。以及要讓模型在海面上實時長出一座火山島，巖漿、海浪、蒸汽、火山灰、閃電、研究船和直升機從第一秒起共同運轉。

由 Fable 5 制作的穿越張家界石林

甚至還有穿越張家界石林、下雪的故宮、流浪地球的太空電梯等題目，AI 需要用代碼來實現(xiàn)一個看起來很酷炫，實際操作起來也能用的 3D 網(wǎng)頁。

就連 Karpathy 都在評論區(qū)留言，表示這些提示詞太有意思了，以及模型到底是如何實現(xiàn)這些 3D 世界的。

LLM 是如何僅憑網(wǎng)絡就能掌握所有這些信息，并能將這些理解轉化為 xyz 坐標、網(wǎng)格、變換、動畫、特效、交互和小故事的呢？想想再增加一個、兩個、三個模型層級，它們又能創(chuàng)造出怎樣的精彩，真是令人驚嘆。

我們也拿這套提示詞去測試了一下最新的 GPT-5.6，由于 5.6 Sol 的極高模式會使用大量的子智能體，根據(jù)官方博客介紹，Ultra 模式下默認會派出 4 個子智能體并行工作，最多可以有 16 個子智能體同時完成一個任務。

這也導致了運行時間的增加，同樣的提示詞，我們在 DeepSeek 的網(wǎng)頁上，十分鐘不到，它就能給我們最終的交付。

但是在 Codex 里，光是開頭的計劃制定，就需要我們一直回復「Yes」來先確認這份計劃。

等到實際的工作，多個子智能體出動，從 Task 1 到 Task 2，每個 Task 又分了 Scene、Control、Shell 等不同的工作，任務時間直線飆升。

還有時不時就要進行的「 我們的系統(tǒng)正在進一步審查此情況，然后再回復 」。

于是，同樣的張家界石林，我們使用 5.6 Sol 的最高檔強度，Codex 花了足足 2h41m35s 才完成，其中沒有任何的「等待批準」時間，完全是 Codex 自己在處理。

GPT-5.6 Sol Ultra 生成

效果確實算得上最好，最像 Fable 5 的一個。

拋開我電腦本身卡頓的原因，整個 3D 石林實現(xiàn)得非常專業(yè)。鳥群會在山谷飛過，山背對太陽時會有明顯的陰影，以及山頂?shù)臉洹⒉Ａ颍退鞯赖仍囟加斜容^多的細節(jié)。

我們也用了其他模型進行測試，例如在 Codex 內(nèi)使用的 GPT-5.5、DeepSeek V4 Pro、Gemini 3.5 Thinking、GLM-5.2、以及同樣是最近剛發(fā)布的 Hy3。

GPT-5.5 生成，使用 Codex

Gemini 3.5 Thinking 生成，使用 Gemini 官網(wǎng)

DeepSeek V4 Pro 生成，使用 DeepSeek 官網(wǎng)

GLM-5.2 生成，使用 Zcode

Hy3 生成，使用 WorkBuddy

能看到差距還是比較明顯的，對比 GPT-5.6，GPT-5.5 明顯少了很多細節(jié)，即便把渲染程度調(diào)節(jié)到「高」，石柱和樹以及飛鳥等信息，都是比較簡單的建模。

Gemini 3.5、DeepSeek V4 Pro 和 Hy3 似乎都沒有準確把這個石林的效果做出來，GLM-5.2 在這輪交付的就更加抽象了，只是實現(xiàn)了幾種不同視角的切換，但是張家界石林是完全看不出來。

這是完整的提示詞，如果感興趣還可以拿去測試一下其他模型的效果。

創(chuàng)建一個宏偉的 Three.js 張家界石林世界：數(shù)百根高得不可思議的砂巖石柱，頂部覆蓋著松樹，從流動的霧河中升起，觀者已經(jīng)置身空中。直接從兩根巨大的石柱之間的飛行狀態(tài)開始，下面的霧氣被分開，陽光斜射過巖壁 —— 不要標題界面、菜單、加載狀態(tài)或貼地開始。

如果使用 Three.js，請在模塊腳本之前添加一個 import map，將「three」和「three/addons/」映射到同一個固定版本，并且只通過這些名稱導入。所有地形、巖石、植被、霧氣和光照都必須程序化生成；不要使用外部圖片資源或模型。

單一核心理念：探索孕育了漂浮山脈靈感的世界，以最溫和的飛行方式穿行其中。

石林世界

- 建造具有真實地質(zhì)特征的石柱：帶狀砂巖層理、陡峭巖面、承載扭曲古松的巖臺、陰暗側面的藤蔓和蕨類植物、被光線照亮時呈現(xiàn)的白色巖石裂痕。改變高度和群落分布，讓峽谷景觀形成自然的通道和露天劇場。

- 霧氣是一層有生命的存在，而不是一團渾濁的霧：云霧河流在石柱之間流動，在邊緣撕裂，在盆地中匯聚，同時保持上方空氣清澈、被陽光照亮。石柱應隨著霧氣移動而若隱若現(xiàn)。

- 人類痕跡要小而遙遠：連接兩座山頂?shù)牟Ａ５馈⒀鼐€路滑行的纜車、刻在巖壁上的蜿蜒石階、用于比例感的小型徒步者。

石柱間的生命

- 獼猴在巖臺上攀爬，鶴穿越虛空，雨燕圍繞山頂盤旋，一條瀑布從裂隙中穿過，流入下方霧海，松枝隨風擺動。

光與空氣

- 清晨光線，東側巖面呈現(xiàn)金色，陰影峽谷中帶有冷藍色調(diào)，陽光照射處的霧氣發(fā)光；飽和的綠色；整體明亮、通透。

滑翔體驗

- 唯一的交互方式是簡單可靠的滑翔：保持恒定且柔和的飛行速度，鼠標控制航向和俯仰，并限制在柔和范圍內(nèi)，自動側傾，不會失速，不會有碰撞懲罰 —— 靠近巖壁時，鏡頭會自然緩慢避開。飛行感覺應像鶴一樣，而不是戰(zhàn)斗機。

- 重置

我們還用其他提示詞測試了一下 GPT-5.6，63 個案例的提示詞都可以在 GitHub 上找到。

上下滑動查看更多內(nèi)容

項目地址：https://github.com/petergpt/3d-prompt-collection

我們也測試了 Karpathy 覺得最有意思的熊捕獲鮭魚畫面。這次我們直接在 ChatGPT 網(wǎng)頁版內(nèi)以普通對話的形式發(fā)給它提示詞，依舊是使用 GPT-5.6 Sol，智能模式為 Pro。

雖然沒有 Codex 嚴謹和詳細的項目工程，但是 Pro 的思考強度，還是讓 ChatGPT 花了 40 分鐘才生成了整個 3D 頁面。

最后的結果對比，GPT-5.6 Sol 和 Fable 5 可以說是在同一個水準。

GPT-5.6 Sol 生成，使用 ChatGPT 網(wǎng)頁

Fable 5 生成

而使用其他模型，像是 DeepSeek V4 Pro，能明顯看到生成頁面有很多 Bug，一只奇怪的熊，鮭魚也變成了簡單的紅色方塊，彩虹只是簡單的六根線條等。

DeepSeek V4 Pro 生成，使用 DeepSeek 網(wǎng)頁

Gemini 3.5 Thinking，這個五月份的模型，中間這個四四方方的像素物體，竟然就是 Gemini 描繪的 3D 熊。

雖然該有的操控都有，導航欄這些按鈕都做到位了，但是如果提前沒了解提示詞信息，單看這個頁面，完全不知道本意是想描繪什么。

Gemini 3.5 Thinking 生成

我們還測試了太空電梯項目，這次是在 Codex 內(nèi)使用 GPT-5.6 Sol，思考強度選擇選擇了倒數(shù)第二檔，即 Extra High，耗時明顯減少，只用了 18 分鐘完成。

同樣的提示詞，DeepSeek 的效果是這樣的。

而在 Peter Gostev 視頻里，F(xiàn)able 5 的效果和 GPT-5.6 Sol 不相上下。

這 63 個提示詞，看起來還是讓 AI 生成一個網(wǎng)頁，但 3D 網(wǎng)頁要面對的不止是生成每一幀最佳截圖，還有性能和可運行性。

即使界面再精美，可一旦打開就吃爆了電腦的 GPU 顯卡渲染，電腦直接卡崩潰了，那也不是一個好模型應該生成的網(wǎng)頁。

面對長提示詞時，好的模型應該更懂得先保住場景主體、鏡頭、核心動畫和交互，再用程序化幾何、粒子與分級細節(jié)補足規(guī)模感。

GPT-5.6 Sol 的表現(xiàn)在我們的測試中基本上可以勝任這些復雜的 3D 場景生成。

讓我們印象更深的是，GPT-5.6 Sol 完成工作的方式，它會先規(guī)劃整個項目，再拆分任務，讓不同的 Agent 同時推進，過程中不斷檢查、修改，再把最終結果整理成一份可以審核的 Diff。

就一個 3D 網(wǎng)頁，它可以花兩個多小時去完成。

但回過來想，我們比較的究竟是模型能力，還是一次回答背后的時間、計算資源和協(xié)作規(guī)模？

兩個小時所需要的 Token，換在一個 Plus 賬戶或者免費賬戶上，大概都會占據(jù)大量的周額度。速度快的模型更適合試想法；耗時更久的 Agent，能把復雜項目推得更遠。兩者都可能有價值，卻很難被一個總分解釋清楚。

當模型開始自己規(guī)劃、分工、返工和驗收，一次生成便越來越像一支臨時項目組。選擇哪款模型，也是在選擇一套生產(chǎn)方式。我們可以 10 分鐘拿到一個 demo，也可以給 Agent 幾個小時，把它推到可交付狀態(tài)。

以后再問哪款模型最強，測試恐怕得多出一張工時/Token單。畫面旁邊應該寫清交付時間與資源投入，也要讓人知道它經(jīng)歷了多少輪返工，打開后能不能直接用。

我們正在招募伙伴

簡歷投遞郵箱 hr@ifanr.com

?? 郵件標題 「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）