不出所料，GPT-5.6 发布的同时，把 Codex 也「干掉了」，取而代之的是一个包含 ChatGPT Work 和 Codex 的 全新 ChatGPT 应用。但是你仍然可以选择保留 Codex 那个云朵图标选择 Work 还是 Codex 目前在界面的呈现上，没有太大的区别。唯一比较明显的是，当我们切换到 Codex 场景，ChatGPT 的回答会加上「代码差异」，鼠标悬浮在「已编辑」文档上，就会显示开发者常见的 Diff 界面，绿色代表新增，红色代表删除。左边为 Codex 场景，右边为 Work 场景未来 OpenAI 或许会对其项目类别进行区分，目前切换场景，项目都是共享的，所能使用的模型和 Skill 也都是通用的。我们的 Pro 账号目前可以选择包括 GPT 5.6 在内的全部型号模型，推理强度从轻度到极高多个等级。我们在详细介绍 GPT-5.6 的文章里提到了关于模型的更多信息，以及一些社交媒体上使用 GPT-5.6 来做「我的世界」等 3D 游戏的案例。现在的大模型，一句话让他们写个网页，已经很难测出 AI 究竟有多强了。大模型竞技场的 AI 能力负责人 Peter Gostev，在前几天公开了 63 条几乎是故意为难模型的 3D 提示词；从大型 3D 世界，到各种可游玩的 3D 场景、名画世界，以及极端视角、自然奇观，和元素与宇宙终局场面等。3D 世界的第一题就要求它用 Three.js 做出完整曼哈顿：开场必须看到整座岛，向下缩放时还要无缝进入街区，看到车流、渡轮、屋顶水塔和公园小径。后面的题越来越有意思。AI 要坐进烟花弹，从发射筒冲上天空，在爆炸的一刻停在一万条金色焰火的中心；也要把梵高的《星月夜》做成能飞进去的油画宇宙，让每一道笔触都保留颜料厚度，还会沿着画里的旋涡流动。尼亚加拉瀑布要同时出现马蹄瀑布和美国瀑布，水雾、彩虹与游船都得动。以及要让模型在海面上实时长出一座火山岛，岩浆、海浪、蒸汽、火山灰、闪电、研究船和直升机从第一秒起共同运转。由 Fable 5 制作的穿越张家界石林甚至还有穿越张家界石林、下雪的故宫、流浪地球的太空电梯等题目，AI 需要用代码来实现一个看起来很酷炫，实际操作起来也能用的 3D 网页。就连 Karpathy 都在评论区留言，表示这些提示词太有意思了，以及模型到底是如何实现这些 3D 世界的。LLM 是如何仅凭网络就能掌握所有这些信息，并能将这些理解转化为 xyz 坐标、网格、变换、动画、特效、交互和小故事的呢？想想再增加一个、两个、三个模型层级，它们又能创造出怎样的精彩，真是令人惊叹。我们也拿这套提示词去测试了一下最新的 GPT-5.6，由于 5.6 Sol 的极高模式会使用大量的子智能体，根据官方博客介绍，Ultra 模式下默认会派出 4 个子智能体并行工作，最多可以有 16 个子智能体同时完成一个任务。这也导致了运行时间的增加，同样的提示词，我们在 DeepSeek 的网页上，十分钟不到，它就能给我们最终的交付。但是在 Codex 里，光是开头的计划制定，就需要我们一直回复「Yes」来先确认这份计划。等到实际的工作，多个子智能体出动，从 Task 1 到 Task 2，每个 Task 又分了 Scene、Control、Shell 等不同的工作，任务时间直线飙升。还有时不时就要进行的「我们的系统正在进一步审查此情况，然后再回复」。于是，同样的张家界石林，我们使用 5.6 Sol 的最高档强度，Codex 花了足足 2h41m35s 才完成，其中没有任何的「等待批准」时间，完全是 Codex 自己在处理。GPT-5.6 Sol Ultra 生成效果确实算得上最好，最像 Fable 5 的一个。抛开我电脑本身卡顿的原因，整个 3D 石林实现得非常专业。鸟群会在山谷飞过，山背对太阳时会有明显的阴影，以及山顶的树、玻璃栈桥，和索道等元素都有比较多的细节。我们也用了其他模型进行测试，例如在 Codex 内使用的 GPT-5.5、DeepSeek V4 Pro、Gemini 3.5 Thinking、GLM-5.2、以及同样是最近刚发布的 Hy3。GPT-5.5 生成，使用 CodexGemini 3.5 Thinking 生成，使用 Gemini 官网DeepSeek V4 Pro 生成，使用 DeepSeek 官网GLM-5.2 生成，使用 ZcodeHy3 生成，使用 WorkBuddy能看到差距还是比较明显的，对比 GPT-5.6，GPT-5.5 明显少了很多细节，即便把渲染程度调节到「高」，石柱和树以及飞鸟等信息，都是比较简单的建模。Gemini 3.5、DeepSeek V4 Pro 和 Hy3 似乎都没有准确把这个石林的效果做出来，GLM-5.2 在这轮交付的就更加抽象了，只是实现了几种不同视角的切换，但是张家界石林是完全看不出来。这是完整的提示词，如果感兴趣还可以拿去测试一下其他模型的效果。创建一个宏伟的 Three.js 张家界石林世界：数百根高得不可思议的砂岩石柱，顶部覆盖着松树，从流动的雾河中升起，观者已经置身空中。直接从两根巨大的石柱之间的飞行状态开始，下面的雾气被分开，阳光斜射过岩壁 —— 不要标题界面、菜单、加载状态或贴地开始。如果使用 Three.js，请在模块脚本之前添加一个 import map，将「three」和「three/addons/」映射到同一个固定版本，并且只通过这些名称导入。所有地形、岩石、植被、雾气和光照都必须程序化生成；不要使用外部图片资源或模型。单一核心理念：探索孕育了漂浮山脉灵感的世界，以最温和的飞行方式穿行其中。石林世界- 建造具有真实地质特征的石柱：带状砂岩层理、陡峭岩面、承载扭曲古松的岩台、阴暗侧面的藤蔓和蕨类植物、被光线照亮时呈现的白色岩石裂痕。改变高度和群落分布，让峡谷景观形成自然的通道和露天剧场。- 雾气是一层有生命的存在，而不是一团浑浊的雾：云雾河流在石柱之间流动，在边缘撕裂，在盆地中汇聚，同时保持上方空气清澈、被阳光照亮。石柱应随着雾气移动而若隐若现。- 人类痕迹要小而遥远：连接两座山顶的玻璃栈道、沿线路滑行的缆车、刻在岩壁上的蜿蜒石阶、用于比例感的小型徒步者。石柱间的生命- 猕猴在岩台上攀爬，鹤穿越虚空，雨燕围绕山顶盘旋，一条瀑布从裂隙中穿过，流入下方雾海，松枝随风摆动。光与空气- 清晨光线，东侧岩面呈现金色，阴影峡谷中带有冷蓝色调，阳光照射处的雾气发光；饱和的绿色；整体明亮、通透。滑翔体验- 唯一的交互方式是简单可靠的滑翔：保持恒定且柔和的飞行速度，鼠标控制航向和俯仰，并限制在柔和范围内，自动侧倾，不会失速，不会有碰撞惩罚 —— 靠近岩壁时，镜头会自然缓慢避开。飞行感觉应像鹤一样，而不是战斗机。- 重置我们还用其他提示词测试了一下 GPT-5.6，63 个案例的提示词都可以在 GitHub 上找到。上下滑动查看更多内容项目地址：https://github.com/petergpt/3d-prompt-collection我们也测试了 Karpathy 觉得最有意思的熊捕获鲑鱼画面。这次我们直接在 ChatGPT 网页版内以普通对话的形式发给它提示词，依旧是使用 GPT-5.6 Sol，智能模式为 Pro。虽然没有 Codex 严谨和详细的项目工程，但是 Pro 的思考强度，还是让 ChatGPT 花了 40 分钟才生成了整个 3D 页面。最后的结果对比，GPT-5.6 Sol 和 Fable 5 可以说是在同一个水准。GPT-5.6 Sol 生成，使用 ChatGPT 网页Fable 5 生成而使用其他模型，像是 DeepSeek V4 Pro，能明显看到生成页面有很多 Bug，一只奇怪的熊，鲑鱼也变成了简单的红色方块，彩虹只是简单的六根线条等。DeepSeek V4 Pro 生成，使用 DeepSeek 网页Gemini 3.5 Thinking，这个五月份的模型，中间这个四四方方的像素物体，竟然就是 Gemini 描绘的 3D 熊。虽然该有的操控都有，导航栏这些按钮都做到位了，但是如果提前没了解提示词信息，单看这个页面，完全不知道本意是想描绘什么。Gemini 3.5 Thinking 生成我们还测试了太空电梯项目，这次是在 Codex 内使用 GPT-5.6 Sol，思考强度选择选择了倒数第二档，即 Extra High，耗时明显减少，只用了 18 分钟完成。同样的提示词，DeepSeek 的效果是这样的。而在 Peter Gostev 视频里，Fable 5 的效果和 GPT-5.6 Sol 不相上下。这 63 个提示词，看起来还是让 AI 生成一个网页，但 3D 网页要面对的不止是生成每一帧最佳截图，还有性能和可运行性。即使界面再精美，可一旦打开就吃爆了电脑的 GPU 显卡渲染，电脑直接卡崩溃了，那也不是一个好模型应该生成的网页。面对长提示词时，好的模型应该更懂得先保住场景主体、镜头、核心动画和交互，再用程序化几何、粒子与分级细节补足规模感。GPT-5.6 Sol 的表现在我们的测试中基本上可以胜任这些复杂的 3D 场景生成。让我们印象更深的是，GPT-5.6 Sol 完成工作的方式，它会先规划整个项目，再拆分任务，让不同的 Agent 同时推进，过程中不断检查、修改，再把最终结果整理成一份可以审核的 Diff。就一个 3D 网页，它可以花两个多小时去完成。但回过来想，我们比较的究竟是模型能力，还是一次回答背后的时间、计算资源和协作规模？两个小时所需要的 Token，换在一个 Plus 账户或者免费账户上，大概都会占据大量的周额度。速度快的模型更适合试想法；耗时更久的 Agent，能把复杂项目推得更远。两者都可能有价值，却很难被一个总分解释清楚。当模型开始自己规划、分工、返工和验收，一次生成便越来越像一支临时项目组。选择哪款模型，也是在选择一套生产方式。我们可以 10 分钟拿到一个 demo，也可以给 Agent 几个小时，把它推到可交付状态。以后再问哪款模型最强，测试恐怕得多出一张工时/Token单。画面旁边应该写清交付时间与资源投入，也要让人知道它经历了多少轮返工，打开后能不能直接用。我们正在招募伙伴📮 简历投递邮箱hr@ifanr.com✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
