随着 GPT-5.6 的道地发布，OpenAI 同步“淘汰”了独立的狱级 Codex 应用，将其整合进全新的难题 ChatGPT Work体系中。尽管两者在界面入口上看似无异，实测I甩但底层逻辑与交互体验已发生质变。开截

用户仍可通过特定入口保留 Codex 的道地云朵图标。目前 Work 与 Codex 在基础交互上差异不大，狱级但 Codex 模式引入了开发者熟悉的难题 Diff（代码差异）视图：鼠标悬浮于“已编辑”文档时，绿色代表新增代码，实测I甩红色代表删除代码，开截极大提升了代码审查的道地可追溯性。

左：Codex 场景（显示 Diff 视图） | 右：Work 场景

目前，狱级OpenAI 尚未对两类场景的难题项目进行严格隔离，切换场景时项目、实测I甩模型及 Skill 均为共享状态。开截Pro 用户可自由选择包括 GPT-5.6 在内的全型号模型，并调节从轻度到极高的推理强度。

此前我们已在专题文章中探讨过 GPT-5.6 在《我的世界》等 3D 游戏生成中的应用。然而，仅凭“写一个网页”这类简单指令，已无法准确衡量当前大模型的极限能力。

63 条“地狱级”3D 提示词测试

AI 大模型竞技场（LMSYS）的 AI 能力负责人 Peter Gostev 公开了一套包含 63 条极端提示词的测试集。这些提示词旨在挑战模型的极限，涵盖从宏观的 3D 世界构建，到微观的可交互场景、名画重构、极端视角及宇宙终局场面。

测试案例精选

1. 完整曼哈顿岛：要求使用 Three.js 构建完整曼哈顿。开场需展示全岛全景，缩放时需无缝进入街区，呈现车流、渡轮、屋顶水塔及公园小径等细节。
2. 烟花中心：模拟乘坐烟花弹发射升空，在爆炸瞬间定格于一万条金色焰火的中心。
3. 梵高《星月夜》宇宙：将名画转化为可飞行的 3D 空间，保留颜料厚度质感，并让旋涡动态流动。
4. 动态尼亚加拉瀑布：同时呈现马蹄瀑布与美国瀑布，实现水雾、彩虹、游船的动态交互。
5. 实时火山岛生成：在海面上实时生成火山岛，岩浆、海浪、蒸汽、火山灰、闪电、研究船及直升机需在第一秒即开始协同运转。

由 Fable 5 制作的张家界石林穿越效果

其他高难度题目还包括穿越张家界石林、雪景故宫、《流浪地球》太空电梯等。这些测试不仅要求视觉酷炫，更要求代码具备实际可运行性。

著名 AI 研究者 Karpathy 对此评论道：“这些提示词极具挑战性，模型究竟是如何仅凭文本理解并转化为 xyz 坐标、网格、变换、动画及交互逻辑的？若增加模型层级，其创造力令人惊叹。”

GPT-5.6 Sol 实测：多智能体协作的代价与收益

我们使用最新的 GPT-5.6 Sol进行了实测。根据官方介绍，Ultra 模式下默认派出 4 个子智能体（Sub-agents）并行工作，最高可达 16 个。

效率与成本的权衡

多智能体架构显著增加了运行时间：
* DeepSeek：通常在 10 分钟内交付结果。
* GPT-5.6 (Codex)：需先确认计划，随后多个子智能体分头处理 Task 1、Task 2 下的 Scene、Control、Shell 等模块。期间频繁出现“系统正在进一步审查”的等待提示。

以 张家界石林为例，使用 GPT-5.6 Sol 最高强度，Codex 耗时 2 小时 41 分 35 秒（不含人工确认时间），完全由系统自主处理。

效果对比：GPT-5.6 胜出

尽管耗时极长，GPT-5.6 Sol 生成的张家界石林效果堪称专业：
* 细节丰富：鸟群飞越山谷，背光面有真实阴影，山顶树木、玻璃栈桥、索道等元素细节完整。
* 视觉质感：最接近参考作品 Fable 5 的水准。

我们同时测试了其他主流模型，差距明显：

GPT-5.5 (Codex)：细节缺失，即便调高渲染，石柱、树木及飞鸟仍显简单建模感。

Gemini 3.5 Thinking：未能准确还原石林结构，整体效果抽象。

DeepSeek V4 Pro：未能呈现预期的石林地貌。

GLM-5.2：仅实现视角切换，石林主体不可辨识。

Hy3：效果同样未达预期。

完整测试提示词（张家界石林）

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

其他案例测试：熊捕鲑鱼与太空电梯

案例二：熊捕获鲑鱼

在 ChatGPT 网页版普通对话中，使用 GPT-5.6 Sol (Pro 模式) 测试 Karpathy 推荐的“熊捕鲑鱼”场景。
* 耗时：40 分钟。
* 效果：GPT-5.6 Sol 生成的效果与 Fable 5 处于同一水准，角色动作与物理交互自然。

Fable 5 生成参考

相比之下，其他模型表现不佳：
* DeepSeek V4 Pro：页面存在大量 Bug，熊造型怪异，鲑鱼简化为红色方块，彩虹仅为六根线条。
* Gemini 3.5 Thinking：生成的“3D 熊”为一个四四方方的像素物体，虽具备导航按钮，但完全无法识别原意。

DeepSeek V4 Pro 生成

Gemini 3.5 Thinking 生成

案例三：太空电梯

使用 GPT-5.6 Sol (Extra High 强度) 在 Codex 中测试，耗时 18 分钟。效果与 Peter Gostev 视频中展示的 Fable 5 不相上下。

结论：从“生成”到“工程”的范式转移

这 63 个提示词揭示了一个核心事实：3D 网页生成的难点不在于单帧截图，而在于性能、可运行性与复杂逻辑的平衡。

• 性能陷阱：许多模型生成的页面虽精美，但会瞬间耗尽 GPU 资源导致崩溃。
• 优秀模型的特征：懂得优先保障场景主体、镜头、核心动画与交互，再利用程序化几何、粒子系统与分级细节补充规模感。

GPT-5.6 Sol 的核心优势在于其“代理工作流”：
1. 全局规划：先制定完整项目计划。
2. 任务拆分：将任务分配给不同 Agent 并行推进。
3. 自我审查：过程中不断检查、修改，最终输出可审核的 Diff 代码。

这种模式将 AI 生成从“一次性回答”转变为“临时项目组”协作。虽然耗时（2小时+）且 Token 消耗巨大（可能占满 Plus 账户周额度），但它能将复杂项目推至可交付状态。

未来评估模型的标准，或许不再仅仅是“速度”或“总分”，而是：
* 交付时间vs 资源投入
* 返工轮次
* 最终可用性

选择模型，本质上是选择一种生产方式：是追求 10 分钟拿到粗糙 Demo，还是投入数小时获得工业级可运行代码？GPT-5.6 通过其多智能体架构，在后者领域确立了显著优势。

测试资源获取：
63 条完整提示词已开源，可在 GitHub 获取：
https://github.com/petergpt/3d-prompt-collection