8月7日，Anthropic大神卡帕西提出大模型评测新基准，用《指环王》文本让模型生成3D世界，接替“鹈鹕骑自行车”测试。卡帕西将小说开头输入Opus 5，模型耗时2小时、消耗100万token及5500行代码，用Three.js搭建出可运行的“中土世界”3D场景。网友纷纷效仿，用AI生成旧金山、纽约甚至虚拟演唱会。新基准深度考察了模型的空间理解与复杂代码生成能力，同时也暴露出大模型能搭建场景却无法真正“看懂”和体验生成内容的短板。这为评估大模型推理能力向三维世界延伸提供了新视角。