网易首页 > 网易号 > 正文 申请入驻

从Vibe Video到Vibe World,Claude、GPT与视频模型争当“造物主”?

0
分享至

撰 文丨星 野

编 辑丨美 圻

9月,GPT-6 Astra和Claude Opus 5.5在视频创作领域展现出令人意外的能力,带火了一轮Vibe Video热潮。

Opus 5.5让创作者看到,只用一句提示词,大模型也能通过编写代码,制作二维动效、风格动画和轻量交互内容。GPT-6 Astra则直接操作Blender、Unreal Engine等专业软件,接管3D建模、场景搭建和空间规划等任务。

两个月后,看似分头发展的两条路线,正在游戏、互动内容等3D资产领域相遇。

11月9日,Anthropic发布Claude Fable 5.2。上线不到两天,X和Reddit上的创作者便用它制作出3D动画、写实场景和复杂物理模拟。

更引人关注的是游戏。创作者展示的案例中,Fable 5.2不仅制作出了接近3A大作视觉效果的射击关卡,还能从零编写模型、纹理、物理规则和交互机制,生成可以运行的3D游戏Demo。

从GPT-6 Astra到Claude Fable 5.2,通用大模型正加速进入3D内容生产。与此同时,Seedance、MiniMax等视频模型也在从视频生成向互动空间延伸。两类模型的能力边界开始重叠,AI创作的竞争随之从视频生成,扩展到游戏和互动内容的生产入口。

从 Vibe Video到Vibe World

Fable 5.2一句话 打造3A大作

这轮Fable 5.2创作热潮,最值得关注的已经不只是视频能力,而是Claude的代码生成能力开始从视觉内容,进一步走向搭建能够运行、能够交互的3D环境。

博主Tech Friend AJ制作的3D版“鹈鹕骑自行车”,展示了模型对复杂物体结构和运动关系的控制能力。Fable 5.2通过约4800行Python代码,在Blender中从零搭建鹈鹕与自行车,羽毛、骨骼、链条传动、动作和灯光均由程序生成。


最终画面中,鹈鹕能够自然地踩动自行车,双腿、车轮和链条相互配合,羽毛也会随着身体运动产生动态变化,已经具备完整的3D动画效果。

随后,这位创作者又让模型制作了一段鸟群动态设计视频。这次,Fable 5.2没有调用Blender,而是自行编写Python和GLSL渲染程序,模拟约4万只鸟的群体运动,生成约4600帧画面。鸟群在画面中形成大规模集群运动,个体动作与整体队形变化相互协调,展现出模型处理复杂3D动态场景的能力。

比起生成3D动画,3A游戏更能体现Fable 5.2这次的能力升级。

AI博主Matthew Berman让Fable 5.2尝试制作一款《战争机器》风格的游戏。初始提示词只有三行,要求模型使用Unreal Engine 5,制作一个在画面和玩法上接近原作的可玩关卡。


最终生成的是一个第三人称掩体射击关卡。玩家可以在街道和建筑之间冲刺、寻找掩体、探身射击,还能体验《战争机器》标志性的主动装弹机制。建筑、材质、灯光和人物动作共同构成了完整的战斗空间,整体视觉质感已经接近3A游戏。

如果说《战争机器》体现了Fable 5.2调用专业游戏引擎的能力,那么《Saltline》更进一步:它几乎完全依靠代码,从零搭建游戏世界。


Anthropic工程师Felix Rieseberg只给出一次提示词,让模型制作一款第一人称射击游戏。8小时后,一个可以在浏览器中运行的完整关卡便生成出来,API成本估算约550美元。

游戏发生在一座雨夜货运港口,起重机、仓库、集装箱和停泊的货船构成完整的工业环境。玩家需要切断三个通讯中继站,同时躲避无人机和四足机器人Hound。地面和金属表面呈现出潮湿的反光,集装箱上的油漆剥落后露出底漆和锈迹,机器人也有符合关节结构的行走动作。

模型通过数学函数定义物体和纹理,再编写Shader生成画面。整个游戏世界的视觉元素,都是由代码计算出来的。

与此前Opus 5.5参与制作的《小王子》游戏相比,这种变化也更加直观。

当时,独立创作者Sac花了16天,将《小王子》改编成一款可以在浏览器中探索的剧情游戏。作品更接近一部可以交互的3D动画电影,重点在于呈现风格化的场景和叙事体验。相比之下,Fable 5.2近期生成的游戏明显向写实3D靠拢,开始通过程序模拟更加丰富的视觉细节和世界规则。


从风格化叙事,到具有真实材质、光照、物理效果和交互机制的游戏世界,Claude的代码创作能力正在向更完整的3D内容生产迈进。

这种变化也体现在画面的实现方式上。此前Opus 5.5的代码创作案例大量使用SVG、Canvas等技术,更容易呈现出鲜明的动效感。到了Fable 5.2,模型既可以调用Blender这样的专业软件,借助成熟的几何结构、PBR材质、光线反射和阴影系统完成渲染,也可以直接编写渲染程序和Shader,自行生成模型、纹理和光照效果。

代码不再只是制作动效的工具,也开始成为搭建完整3D场景、模拟现实效果的生产手段。

调度专业软件,直接“编译”世界

大模型闯入专业3D生产

通用大模型进入专业3D内容生产,在今年已经成为愈来愈显著的趋势。

9月份,GPT-6 Astra发布并开放测试后,开发者社区很快涌现出大量实测案例。有人只提供一张蒸汽火车的旧图,就让Astra在Blender中重建出3295个可编辑物体;有人根据房屋照片还原室内空间,家具、电器一应俱全;也有人在Unreal Engine中逐街区搭建曼哈顿,制作出可以自由漫游的城市场景。


在OpenAI的官方演示中,Astra能够从文字需求出发,在Blender里完成建筑建模、材质和灯光,再将场景导入Unreal Engine 5,加入角色控制和交互功能,最终生成可自由探索的3D空间。社区里还出现了将角色建模、50根骨骼绑定和动画接入串联起来,最终在UE中运行的案例。

这些案例背后,Astra一项典型能力是Computer Use。它能够通过多模态视觉识别读取软件界面,再模拟键盘和鼠标操作,直接控制Blender、Unreal Engine等专业工具;遇到复杂任务时,还会结合代码完成建模、调整和跨软件导入。

换句话说,它可以像一名熟悉专业软件的数字创作者一样,在不同工具之间切换,把一系列操作组织成完整的生产流程。

相比之下,Fable 5.2则更突出代码本身的生成与组织能力。它不仅能编写Python脚本调用Blender,还可以直接使用JavaScript、GLSL等语言定义几何结构、材质、Shader和物理逻辑,甚至从零搭建渲染程序和游戏运行环境。

两者在3D创作上的侧重点由此显现出来:Astra更强调通过智能体调度成熟的专业软件,把现有工业工具组织成一条生产管线;Fable 5.2则进一步展示了直接用代码定义3D世界、生成视觉资产和编写运行规则的能力。

从Astra到Fable 5.2,通用大模型正在把推理、代码生成和工具调用能力带入专业3D生产管线。过去需要建模师、程序员和技术美术协同完成的工作,如今开始由一个模型统一理解需求、调用工具并组织执行。


从生成画面到可交互空间 Seedance们不再满足于做视频 在通用大模型沿着代码和专业软件这条路径向前推进时,视频模型也在寻找进入3D世界的方式,利用从海量影像中学到的视觉与运动规律,构建一个可以持续交互、响应用户操作的虚拟环境。

最初的尝试,是让视频模型更好地理解和利用3D空间信息。7月底推出的Seedance 2.5支持白模参考,用户可以通过无材质的3D模型提供场景结构、人物姿态、运动路径和摄像机角度,再由视频模型生成最终画面。

但字节显然并不满足于此。9月,彭博社报道称,张一鸣正在亲自督导字节一项实时空间视频生成模型的研发,目标是让虚拟环境能够实时响应用户操作。10月11日的抖音集团“2026美好奇妙夜”,则让这种探索以更直观的方式呈现在公众面前。


影视飓风Tim现场输入一句描述,系统能自动生成了一个可以自由探索的微缩3D房间。用户可以乘坐纸飞机在场景中飞行,随时生成新的物体,比如在杯子旁增加一把勺子,还可以让角色与勺子发生互动。演示中,用户甚至可以通过任意门,从一个空间进入另一个世界。

字节之外,其他团队也在快速推进这一方向,重点集中在用户如何控制和改变生成的内容。

一类探索解决的是“控制”问题。9月,腾讯联合新加坡国立大学、香港理工大学推出H3-World。它基于33B参数的MiniMax-H3视频生成模型做动作控制适配,研究团队使用约8000条游戏视频,只调整了基础模型约0.199%的参数,就让模型具备了角色移动、摄像机运动和连续动作控制能力。


用户不再只是告诉模型画面里有什么,而是能够指定角色什么时候做什么、摄像机怎样移动。视频模型已经学到的运动规律和场景知识,由此转化为对虚拟世界的连续控制。

9月,AI视频生成平台PixVerse发布R2。传统视频模型根据提示词生成一段固定时长的视频,R2则让生成过程持续运行。用户可以在场景中实时移动角色、调整摄像机,也能随时输入新的文字指令,改变环境、增加物体或调整角色动作。


在PixVerse展示的互动作品《Zero Mark》中,玩家遇到一只挡住去路的生物,对方要玩家送一份礼物。玩家选择送出一条龙还是一片叶子,会触发不同的回应,后续剧情也随之改变。整个过程不是提前录制好的分支视频,而是根据玩家的选择实时生成。

从Seedance 2.5用3D白模控制画面,到H3-World让用户持续操控角色和镜头,再到PixVerse R2和字节的实时空间模型让用户直接改变场景、剧情乃至整个世界,视频模型正在从生成画面,走向持续响应用户操作的互动内容。

模型从影像中学到的视觉和运动规律,不再只用于生成视频,还能支撑连续的场景变化和实时反馈。用户与AI生成内容的关系,也从观看一段视频,变成进入场景、参与其中,并影响接下来发生的事情。

两条路线开始正面交锋


争当下一代数字世界“造物主”

如果说Vibe Video的流行,让通用大模型切入了由视频模型主导的部分视觉创作场景,那么AI游戏、互动叙事和可探索虚拟空间的兴起,则让两类模型开始在更3D内容生产上展开竞争。

通用大模型的优势,在于能够通过代码和专业软件生产可编辑、可复用的3D资产。代码不仅能定义物体的外观,还能明确规定它们如何运动、碰撞和交互。重力、关节、碰撞检测、角色行为等,都可以转化为程序,交给游戏引擎执行。

理论上,只要现实中的物理规律和交互关系能够被准确形式化,就有机会通过代码建立相应的模拟环境。

视频模型的优势则来自海量图片和视频训练积累的视觉知识。物体外观、材质、光影、人物动作、摄像机运动和场景变化,都已经融入模型的视觉表征。OpenAI早期的Sora技术报告就展示过,模型在摄像机转动时能够维持场景的3D连续性,让被遮挡的物体重新出现,甚至模拟Minecraft的画面和基本操作。


不过,视觉上的连贯并不意味着物理规则已经被准确掌握。Sora的技术报告也指出,模型在玻璃破碎等基础物理现象上仍可能生成错误。这说明,视频模型已经学到相当丰富的世界动态规律,却还不能将这些视觉经验完全转化为精确的几何结构和物理规则。

由此也能看出两种技术路线的分野:通用大模型倾向于把世界拆解成可以编辑的资产和明确的运行规则,视频模型则利用从海量影像中学到的知识,直接生成画面及其动态变化。

两条路线的差异,还体现在成本结构上。评估AI游戏和互动内容的生产成本,不能只看单次生成的花费,还要区分前期生产和后续运行两个阶段。

通用大模型需要反复理解需求、编写代码、调用工具和修复错误,复杂任务会消耗大量Token。前文提到的《Saltline》仅生成一个游戏关卡,就耗时约8小时,API成本估算约550美元。不过,这笔成本主要发生在前期生产阶段:一旦标准资产和运行规则搭建完成,交给游戏引擎执行后,常规玩家操作不必每次都重新调用大模型。


视频模型的成本结构则有所不同。它不必逐个编写模型和渲染程序,可以直接利用训练中积累的视觉知识生成内容;但如果整个互动环境依赖视频模型实时生成画面,玩家每次操作都可能触发新一轮推理和生成,成本便会随着交互时长和用户规模持续累积。

对于AI游戏和互动内容来说,未来的竞争将集中在三个方面:能否生成足够丰富的视觉内容,能否让角色、道具和场景持续响应用户操作,以及能否以合理成本长期运行。

目前,视频模型在画面生成和动态表现上更有优势,通用大模型则在资产编辑、复用和明确规则控制上更有优势。两条路线正在争夺的,已经不只是互动内容的生产入口,也包括数字世界最终以什么方式生成、运行和持续更新。

或许最终的答案并不在二者之间择一,而是由大模型定义世界的结构与规则,由视频模型赋予它真实的样貌与动态。谁能率先把两种能力整合进同一套系统,谁就更有可能成为下一代数字世界的“造物者”。




特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
世界乒联官宣!王楚钦/孙颖莎获总决赛名额,林诗栋两项暂未入选

世界乒联官宣!王楚钦/孙颖莎获总决赛名额,林诗栋两项暂未入选

全言作品
2026-11-18 11:44:57
到了高中,你会发现:考700分需要顶级天赋,考600分需要一般天赋,考550分不需要天赋

到了高中,你会发现:考700分需要顶级天赋,考600分需要一般天赋,考550分不需要天赋

好爸育儿
2026-11-13 08:33:19
爆砍47分+绝平三分+10记三分,把东契奇打成了配角!

爆砍47分+绝平三分+10记三分,把东契奇打成了配角!

随梦而飞起
2026-11-18 21:41:17
38岁杜兰特喜迎2400三分里程碑:历史第10人 现役第7人

38岁杜兰特喜迎2400三分里程碑:历史第10人 现役第7人

醉卧浮生
2026-11-19 08:35:15
深圳APEC主持人阵容果然拉满,这阵仗不愧是顶流!

深圳APEC主持人阵容果然拉满,这阵仗不愧是顶流!

阿废冷眼观察所
2026-11-18 06:19:05
河南农妇为亲人喊冤14年后被抓,全家遭“司法灭门”

河南农妇为亲人喊冤14年后被抓,全家遭“司法灭门”

塔子山评说
2026-11-18 18:10:50
陆毅18岁女儿贝儿官宣签约百沐娱乐,正式以歌手出道!一波星二代扎堆涌来

陆毅18岁女儿贝儿官宣签约百沐娱乐,正式以歌手出道!一波星二代扎堆涌来

露珠聊影视
2026-11-18 14:36:57
儿子欲娶母瘫痪、父赌博、两弟弟读书的女友,清醒妈妈:要钱就断绝关系!扶贫婚姻会毁孩子一生

儿子欲娶母瘫痪、父赌博、两弟弟读书的女友,清醒妈妈:要钱就断绝关系!扶贫婚姻会毁孩子一生

菁妈育儿
2026-11-18 13:36:22
央一新剧《多喜一家人》开播!看完4集,我敢说:这剧必是黑马剧

央一新剧《多喜一家人》开播!看完4集,我敢说:这剧必是黑马剧

一娱三分地
2026-11-19 13:20:01
11.19操作|黑四突袭!A股大龙今天决定这样做!

11.19操作|黑四突袭!A股大龙今天决定这样做!

龙行天下虎
2026-11-19 13:29:04
儿子出国后16年没联系,我癌症住院时,主治医生摘下口罩:妈

儿子出国后16年没联系,我癌症住院时,主治医生摘下口罩:妈

五元讲堂
2025-06-12 15:16:01
随着火箭119-104,灰熊124-121,西部最新排名出炉!勇士下滑第10

随着火箭119-104,灰熊124-121,西部最新排名出炉!勇士下滑第10

薇说体育
2026-11-19 11:51:34
安妮·海瑟薇新片86%好评,HBO Max上线两天登顶

安妮·海瑟薇新片86%好评,HBO Max上线两天登顶

雾野寻踪2
2026-11-17 04:59:22
无比怀念邓小平!

无比怀念邓小平!

梳子姐
2026-11-17 16:32:33
妻子打麻将连赢十几年,真能通灵?丈夫进入地窖,发现惊天秘密

妻子打麻将连赢十几年,真能通灵?丈夫进入地窖,发现惊天秘密

农村情感故事
2025-09-07 07:51:19
“慰安椅”根本不是椅子,是把每个年轻姑娘活生生碾碎的吃人机器

“慰安椅”根本不是椅子,是把每个年轻姑娘活生生碾碎的吃人机器

千秋文化
2026-09-22 19:32:48
两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

两位妈妈打扮精致去开家长会,被发到网上,网友吵翻:这是选美,还是开会?

蝴蝶花雨话教育
2026-10-29 00:05:14
堪比互联网泡沫破灭和金融危机!美国科技股市盈率暴跌42%,转折点是否临近

堪比互联网泡沫破灭和金融危机!美国科技股市盈率暴跌42%,转折点是否临近

第一财经资讯
2026-11-19 08:02:33
八国联军中,有七国主动退还赔款,唯独一国分文不退,是哪个?

八国联军中,有七国主动退还赔款,唯独一国分文不退,是哪个?

千秋文化
2025-03-28 10:37:53
一文读懂美俄元首访华差距:专机是面子,运输机搞后勤才是里子

一文读懂美俄元首访华差距:专机是面子,运输机搞后勤才是里子

装甲铲史官
2026-11-17 10:24:38
2026-11-19 14:16:49
AI价值官
AI价值官
AI前沿与深度报道
45文章数 3关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

旅游
房产
艺术
公开课
军事航空

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

房产要闻

6.6亿!海口卖地!

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版