Noong Agosto 2, 2026, ibinahagi ni Andrej Karpathy sa X: isinumite niya ang unang parirala ng The Lord of the Rings sa Claude Opus 5, na may budget na humigit-kumulang 1 milyong Token o humigit-kumulang $10, upang i-render ito bilang isang 3D mundo gamit ang Three.js.

May-akda at pinagmulan: 0x9999in1, ME News

TL;DR

Noong Agosto 2, 2026, ibinahagi ni Andrej Karpathy sa X: isinumite niya ang unang parirala ng The Lord of the Rings sa Claude Opus 5, na may budget na humigit-kumulang 1 milyong Token o humigit-kumulang $10, upang i-render ito bilang isang 3D mundo gamit ang Three.js.
Ang Opus 5 ay nag-run ng halos 2 oras, sumulat ng halos 5,500 linya ng code, at naglabas ng isang 93-sekondong animated video. Ang mga imahe ay magaspang, ngunit talagang isinapuso ang mga teksto sa isang dynamic na 3D scene.
Hindi tungkol sa "Ginawa ng AI ang isang tapos na laro sa pamamagitan ng $10"—hindi ito ginawa. Ang ipinakita lang ay video, walang open-source code repository, at walang playable version.
Hindi gawa ng modelo ang audio. Sabi ni Karpathy, ang narration ay ginawa niya nang manual gamit ang ElevenLabs dahil mahalaga sa kanya kung anong boses ang gagamitin.
Ang tunay na signal ay: ang "gastos sa pagbuo" ng custom visual software ay bumababa nang mas mabilis kaysa sa kakayahan ng AI na "suriin at marinig ang sariling gawa".
Hindi makapag-view nang epektibo ng mga video o maglaro ng demo ang Opus 5, kailangan lang i-screenshot nang mabagal sa iba’t ibang node para i-check, at maraming error ang nangyari sa proseso.
Sinabi ni Karpathy na ang "GTA na lumalabas ayon sa pangangailangan" ay ang direksyon, hindi ang kasalukuyang kalagayan. Ang bagay na ito ngayon, mas malapit sa isang awtomatikong naglilikha na browser na stereoscopic box.

Isang teksto, dalawang oras, 5,500 na linya ng code

Unang-una, ipaunawa ang lahat.

Noong Agosto 2, 2026, nag-post si Andrej Karpathy. Nagpasa siya ng unang talata ng The Lord of the Rings sa Claude Opus 5. Binigyan siya ng budget na 1 milyong Token, na inaasahang halos $10. Ang tanong ay isang pahayag lamang—i-render ito gamit ang Three.js.

Then what?

Nag-run ang modelo nang halos dalawang oras. Isinulat nito ang halos 5,500 na linya ng code. Ang huling produkto ay isang 93-sekondong video na nagpapakita ng paglalakbay sa isang stylized, nakikipag-ugnay na Middle-earth.

Paano nilalarawan ni Karpathy ang sarili niya? Dalawang salita: janky but fun. Rough, pero interesante.

Maliwanag na sinabi iyan. Dahil upang maisagawa ito, kailangan ng modelo na gawin ang maraming masamang at mainit na gawain: ilagay ang bawat maramihang polygon sa mga koordinadong 3D (x, y, z), ayusin ang kanilang posisyon, isulat ang code para gawing aktibo ang buong eksena, at siguraduhin na ang lahat ng ito ay maaaring mag-run nang hindi mabubulok.

Isang sanaysay, walang mga shot, walang asset library, walang malinaw na utos. Ang mga karakter, kapaligiran, pagkakasunod-sunod, atmospera, camera angle, at ritmo—lahat ay batay sa sariling pag-iisip ng modelo. At naiwasan nito na gawin ito.

Ito ang bahaging nagpapahinga.

Ngunit muna nating mag-isip nang maayos: Ano ang natapos at ano ang hindi

Bago mag-isip ng masigla, kailangan mong malinaw ang tatlo: Ano ang tunay na ginawa ng modelo, ano ang idinagdag ng tao, at ano ang hindi nangyari nang husto.

Ang ginawa ng modelo ay ang 5,500 na linya ng code, ang programang nag-generate ng Three.js scene, at ang 93-sekondong animation na maaaring i-play. Ang bahaging ito ay totoo, kredible, at值得认真看.

Ano naman ang audio na idinagdag ng tao? Ipinaliwanag ni Karpathy sa kanyang sagot: ang voiceover ay gawa niya mismo gamit ang ElevenLabs. Sinabi niya na maaaring i-call ng LLM ang API para gawin ito nang awtomatiko, ngunit nais niya ang partikular na boses, kaya ginawa niya ito nang personal. Kaya ito ay hindi isang buong awtomatikong proseso mula sa teksto hanggang sa tapos na video. Huwag itong isama sa ganitong paraan.

Ano ang hindi nangyari?

Walang downloadable codebase. Walang open-source repository. Walang playable version kung saan maaari mong maging observer, NPC, o protagonist. Walang kakayahan na mag-generate ng bagong mundo habang naglalaro. Walang pangkalahatang, natutunang "world model." At walang production-grade collision, interaction, o narrative consistency. Kahit isang replayable listahan ng token consumption at cost ay hindi pa naisip.

Public na, isang video lang.

Kaya ang madalas na sinasabing “GTA na lumalabas ayon sa pangangailangan”—an ephemeral GTA of X on demand—ay ang direksyon na nasisiyahan ni Karpathy, hindi ang bagay na nasa kamay niya ngayon. Ang produktong ito ngayon, mas katulad ng isang awtomatikong naglalikha na browser box, malayo pa sa isang open-world game.

Bakit ko kailangang gamitin ang maraming salita para sabihin kung ano ang hindi naitaglay nito?

Dahil sa pagkalat ng Opus 5 game demo, ang pinakamalaking distorsyon ay nangyari sa antas na ito. May mga tao na nag-share ng "10 dolyar para gumawa ng laro ng The Lord of the Rings" ngunit hindi napansin ang maliit na teksto na "video, hindi pa tapos, audio na gawa ng tao, walang code." Dapat batay ang mga opinyon sa katotohanan, at kailangan muna malinaw ang hangganan ng katotohanan.

Bakit mas dapat pakinggan ito kaysa sa "pelikano na nagbibisikleta"?

Ang tunay na kahalagahan ng eksperimentong ito ni Karpathy ay hindi ang "paggawa ng pagkakataon," kundi ang "pagbabago ng sukat."

Paano dati nila sinusubok ang kakayahan ng malalaking modelo sa pag-encode ng imahe? Sa pamamagitan ng paghingi sa iyo na gumawa ng SVG ng “isang pelikano na nagbibisikleta.” Ang pagsubok na ito ay may kabuluhan—nakikita nito ang spatial reasoning, pagsumbong ng utos, at pag-unawa sa mga graphics ng browser. Ngunit masyadong madaling ma-bypass sa pamamagitan ng pagmemorize ng sagot, at masyadong madaling magbigay ng desisyon batay sa isang frame lamang.

Ang misyon na “The Lord of the Rings” ay nagpalawak nang malaki sa mga dimensyon ng pagsusuri.

Oras: Mula sa ilang minuto, hinaba hanggang halos dalawang oras. Suhay ng code: Mula sa ilang dosenang linya, hinaba hanggang halos 5,500 na linya. Antas ng ambiguidad: Mula sa "isang bagay at komposisyon", naging kailangang tratuhin ang lahat ng karakter, kapaligiran, panahon, atmospera, kamera, at ritmo. Estado: Mula sa pangunahing static, naging animasyon na pangyayari na umuunlad sa panahon. Materyales: Mula sa ilang hugis, naging malaking bilang ng mga programatikong bagay na maaaring muli gamitin.

Ang pinakamalaking problema ay ang pag-verify ng dimensyon. Gumawa ka ng SVG, at sa isang frame lang ay makikita mo kung tama o hindi. Kung i-render mo ang isang gumagalaw na mundo, kailangan mong i-check ang maraming mga sandali, maraming mga transisyon—heometriya, kamera, pagkakatago, galaw, ritmo, at performance; ang anumang bahagi ay maaaring mag崩溃.

Ito ang totoong gawain na may mahabang siklo, mataas na ambiguidad, at malakas na estado. Ito ay malapit sa paggawa ng software mismo, hindi sa paggawa ng isang larawan.

Kung kailangan, dapat ipaabot nang objektibo: hindi ito isang mahigpit na pagsubok sa modelo. Hindi inilabas ni Karpathy ang buong Prompt, ang konfigurasyon ng toolchain, ang bilang ng pagrerepita, ang mga token trajectory, ang source code, at ang mga pamantayan sa pagsusuri. Ito ay isang may kahalagang pampublikong eksperimento, hindi isang kontroladong komparatibong pag-aaral. Huwag gamitin ito para sa pagrerehistro.

Ang mura ay "generate", ang mahal ay "mata"

Ano nga ba ang tunay na pag-unawa sa bagay na ito?

Sa tingin ko, ang pagbaba ng gastos sa pagbuo ng custom visual software ay mas mabilis kaysa sa pagbaba ng kakayahan ng AI na i-check at masuri ang sariling gawa.

Dapat ipaliwanag ito nang detalye.

Ang mga nakakatangi na nilalaman na ito—ang pagpapalit ng isang partikular na teksto sa isang eksklusibong 3D scene—noon ay halos walang gustong gawin nang espesyal. Bakit? Hindi nakakatulong ang gastos at oras. Magkano at ilang araw ang kailangan mo para hirangin ang isang koponan para gawin ang 93-sekondong animation ng unang bahagi ng The Lord of the Rings?

Ngunit ang LLM ay maaaring magpatuloy nang walang hanggan. Hindi ito nakakapagod, hindi ito umiiyak, $10 lang para sa dalawang oras. Ang pagkakaroon ng kustomisadong mundo ay naging "kung anuman ang maaaring i-generate nang agad." Ito ay isang tunay na pagbaba ng presyo sa supply side.

Ang problema naman sa kabilang dulo.

Ang Opus 5 ay makakagawa ng mundo, ngunit hindi makakakita nang maayos sa mundo na ito ay nilikha. Hindi ito makakapag-view nang epektibo at natively ng mga video, o makakapag-try ng mga laro. Kailangan lang nito na kumuha ng mga screenshot nang mahinahon sa iba’t ibang node, at tingnan ang bawat isa nang magkahihiwalay. Ito ay parang isang pintor na nakapikit habang nagpapinta, at pinapayagan lamang na buksan ang mga mata nang maikli bawat ilang minuto para tingnan ang canvas. Maraming pagkakamali ang naganap sa proseso, at maraming mga bahaging magulo at may error ang natira—ganito ang pinagmulan ng janky.

Ang pagbuo ay isang pagbuhos, ang pagsusuri ay isang pagtulo.

Ito ang pinakamalakas na pagkukumpara sa post ni Karpathy: nakakagawa na ito ng isang mundo, ngunit hindi pa makakapag-check o makapag-experience nang maayos ng mundo na ito ay nilikha.

Ang mata, naging bagong bottleneck.

Hindi ito isang kakaibang kaso: buong tag-init ng "isang pangungusap, isang laro"

May magtatanong: Ito ba ay magkakaroon lang ng isang magandang pagkakataon?

Hindi talaga. Kapag tingnan mo ang timeline, mula sa July 2026, nagkaron ng isang serye ng mga katulad na Demo na nakapalibot sa Opus 5, at naging sikat sa buong tag-araw.

Gumamit ng isang tao nito para gumawa ng isang space real-time strategy game na may estilo ng Homeworld, at isinahad ang listahan ng gastos—$632.65. Gumawa ng isang kopya na may estilo ng Rocket League, at mas totoo ito—maaaring tingnan ang code, maaaring laruin ang bersyon, at mas mataas ang reproducibility. Mayroon ding FPS sa browser, procedural generation na desert exploration, horror game, at kart racing…

Nakikita mo na ba ang pattern?

Magkakaiba-iba ang kalidad ng mga demo na ito, at malaki ang pagkakaiba sa kanilang kakayahang maulit. Mayroong mga demo na may video lamang at walang code, habang mayroon ding nagpapakita ng kanilang mga taksil. Ngunit patungo sila sa iisang trend: gamitin ang isang natural language prompt upang gabayan ang isang model na sumulat nang mahaba at awtomatiko ng libu-libong linya ng code upang buuin ang isang gumagana at interaktibong mundo—mula sa "hindi isipin," naging "may tao na nagsubok araw-araw."

Hindi ang《The Lord of the Rings》ni Karpathy isang kagila-gilalas na paglitaw. Ito ay isang punto sa kurba. Isang punto na pinag-isipan nang maayos ng isang may impluwensya, gamit ang sapat na romantisong teksto, at ipinaliwanag nang malinaw.

Kaya, umabot na ba ang "Panahon ng Pagbuo ng Mga Laro ng AI"?

Balik sa pinakagusto mong tanong.

Nandito na ba?

Ang aking pagtataya: ang direksyon ay naka-set na, ngunit ang panahon ay hindi pa dumating.

Nakakakita ng tiyak na direksyon dahil ang cost curve ng supply ay nagsimulang bumaba nang mabilis. Ang teknolohiya ay nagsagawa na ng paggawa ng customized interactive content sa mahabang panahon gamit ang AI—nabigo na ang hakbang mula sa 0 hanggang 1. Ang natitira ay ang pagpapalawak mula sa 1 hanggang maging gamit, kasiya-siya, at benta.

Sabihin na hindi pa dumating ang panahon, dahil tatlong hadlang ay patuloy na nasa harap.

Ang unang hamon ay ang feedback loop ng pagkakaintindi. Dapat makakita, makapaglalaro, at makapag-evaluate ang modelo ng sarili nitong output nang orihinal, hindi na kailangan ng tao na mag-screenshot, magdagdag ng boses, o maglinis ng kaguluhan. Ito ang pinakamahirap na bahagi ng maraming modalidad—hindi lang "maunawaan ang isang larawan," kundi "maunawaan ang isang dinamikong proseso na nagbabago sa panahon at may interaksyon."

Ang pangalawang hakbang ay ang pagkakaroon ng muling pagkakita at pagkakapagbigay. Ang video ay hindi software. Ang demo ay hindi produkto. Ang isang 93-segundo na kakaibang eksena ay may malaking pagkakaiba sa isang bagay na kayang i-download, i-run, i-modify, at laruin ng iba nang isang oras.

Ang ikatlong aspeto ay ang bigat ng salitang "real-time". Ang imahe ni Karpathy ay ang pagpasok mo sa isang pansamantalang nilikhang mundo, bilang karakter, bilang manonood, bilang NPC—parang isang GTA na lumalabas ayon sa pangangailangan. Ngunit ngayon, kailangan pa rin ng dalawang oras para magawa ang isang video. Mula sa "dalawang oras para sa video" patungo sa "real-time na pagbuo ng daanan sa ilalim ng iyong mga paa"—hindi ito pagbabago sa dami, kundi pagbabago sa kalikasan.

Kaya hindi ko gusto ang ganitong pahayag na "nagdaraan na ang panahon." Sobrang puno.

Mas gusto kong sabihin: Dumadaan tayo sa isang transisyonal na panahon mula sa "panahon ng pelikano na sumasakay sa bisikleta" patungo sa isang panahon kung saan ang mga modelo ay nakakagawa ng mga magulo at walang malinaw na imahe ng kanilang sariling nilikha.

Gaano kalalim ang transisyong ito? Wala nang nakakaalam. Maaaring dalawang taon, maaaring limang taon. Depende kung kailan matutugunan ng "mata"—ang native na pagkakaroon at pagmamarka ng AI.

Ngunit isang bagay ang sigurado kong alam.

Kapag ang paggawa ng isang mundo ay nagkakahalaga ng $10 at dalawang oras, ang kakaibang bagay ay hindi na ang "paggawa." Ang kakaibang bagay ay ang "pagtingin nang malinaw kung ano ang iyong ginawa," at "ano nga ba ang gusto mong gawin." Ang machine ang nagtatrabaho sa "paggawa" sa pangalawang bahagi, habang ang "gusto" at "pagtingin nang malinaw" sa unang bahagi, ay kasalungat pa rin sa tao.

Ang mga magkakaibang katayuan sa Middle Earth ay nakakapagpatakbo na.

Kung kailan mo talagang makakapasok—hindi mabilis, pahinga muna. Worth it ang paghintay sa gawaing ito.

Source ng citation

Ang orihinal na post at video ni Andrej Karpathy sa X (dating Twitter) noong Agosto 2, 2026
Ipinahayag ng Anthropic ang《Claude Opus 5》sa anthropic.com
Opisyal na website ng Three.js, threejs.org
explainx.ai: “Karpathy's $10 Opus 5 Lord of the Rings World: The New AI Eval”, Agosto 2, 2026
Benzinga: “Sabi ni Andrej Karpathy na Lumampas na ang AI sa Mga Simpleng Prompt Pagkatapos ng Pagbuo ni Claude Opus ng 3D ‘Lord of the Rings’ World”, Agosto 2026
Enterprise DNA:《Andrej Karpathy's next-gen benchmark moment》，Agosto 2, 2026
explainx.ai: “Nilikha ng Opus 5 ang isang Space RTS na estilo ng Homeworld mula sa isang prompt—pagkatapos ay $632.65”, Iyong 28, 2026
explainx.ai:《Top 10 Claude Opus 5 Game Prompts (With the Actual Prompts)》，2026 年 7 月 29 日