55座虚构城市与一句严苛命令
2026 年 10 月初，一位长年开发交互式媒体的程序员做了一项实验。他把名著《看不见的城市》全本丢进编辑器，要求模型一次成型把 55 座城市做成三维可视化。这本书用诗意的语言勾勒了悬在空中的城，曾是无数创作者面临的巨大挑战。
但他给模型的指令只有一句话：「把卡尔维诺《看不见的城市》里的 55 座城市全做成三维可视化。不许多问，这是一次性任务。给你 6 小时，用到它成为杰作为止。」这项指令明确要求一次成型、禁止提问，还给了充足的预算时间。这等于逼迫算法脱离人类纠偏，独自走完从理解概念到搭建视觉的整个黑盒。
过去用旧模型做类似项目时，哪怕只是生成几棵树，初稿惊艳之后往往伴随着漫长的挫败感。人类不仅要花好几天时间清扫机器味，还要手动修复视觉元素的重叠错误。但现在面对相同的压力测试，前沿模型的天花板已经被推到了另一个高度。
74美元雇来六个分身与一次成型
实验者找了当今最强的两个模型同台竞技。第一个上场的是 GPT-6 Astra，它花了 53 分钟跑通全流程，API 账单仅仅 10 美元。但这 10 美元换来的产出充斥着机器设计垃圾，画面中塞满了不必要的概念解释和无用的注释文字。
图：GPT-6 Astra 生成的结果，浅色背景上呈螺旋塔状的伊西多拉城。来源：Quesma 博客
Astra 甚至刻意模仿了竞争对手的风格，采用了米色背景并打上奇怪的编号。这些文字拿来做后台标签或许有用，但直接抛在三维画面里，就成了纯粹的视觉噪音。输入 10 美元能跑出成套代码，足以见得便宜快速的算力在缺乏审美收敛时，很容易滑向无意义的元素堆砌。
第二个上场的 Claude Opus 5.5 展现了另一种暴力美学。面对 6 小时的宽裕预算，监控日志显示它实际耗时 1 小时 25 分钟。在这 85 分钟里，它同时开启 6 个独立分身并行工作，累计消耗约 7 个小时的算力，交出一张 74 美元的账单。前沿模型在宽松的资源配给下，已经学会用高并发算力置换现实时间。
图：Claude Opus 5.5 生成的可视化，夜色中亮着灯的三维城市。来源：Quesma 博客
贵出七倍的账单换来了让实验者惊叹的成品。Opus 5.5 没有像前几代那样堆砌说明文字，最终画面干净且结构完整。实验者感慨，如果这就是现在模型的实际天花板，那它已经挂得相当高了。74 美元买来的正是系统自动屏蔽冗余噪音的判断力。
画师在第四座城市面前停下笔
在这个 85 分钟成型的奇迹旁边，摆着一个略显惨烈的人类对照组。一位插画师看到这项实验后回忆，几年前读完这本名著，他曾试图用手绘软件一笔一笔画出这 55 座城市。但他最终画到第 4 座城市就放弃了，因为每一座城市都要消耗他好几个小时的精力。
在这场对比中，真正被击穿的并非机器会画画这个事实，而是视觉创作的时间成本结构塌陷了。过去创作者拿出 55 幅城市画作时，几百个小时的枯燥描摹本身就是一种价值证明。在这个系统里，消耗几个小时勾勒线条等同于作品珍贵。
当 74 美元和 85 分钟就能把所有城市渲染完毕时，基于时间消耗的价值辩护失去了地基。生产效率的鸿沟大到无法用毅力填补，如果只看屏幕上呈现的第一眼宏观轮廓，人类画师在宏大叙事上的生产力已经无法与开启了分身的算法集群相提并论。
凑近只剩下毫无激情的布景
当宏大生产不再成为壁垒，人类观众的价值判断被迫上移。在社区讨论中，一条最锋利的评价切中了机器生成的死穴：「看人类作品时我总是想放大，去看细节怎么做、各部分怎么衔接；看机器生成的东西，第一眼确实惊惊人，但我根本不想放大。」
大家心里清楚，那只是一个没有激情的纸板布景。稍微把画面放大凑近一点，就会看到毫无结构道理的桥梁，以及一堆看不出材质用途的圆柱体。生成式算法的强项在于构建符合统计学分布的轮廓，但在那些需要人类偏执设计才能填补的微观角落，它们给出的全是缺乏意义的糊弄。
这也成了人类作品尚未被剥夺的最后特权：不符合绝对规则的细节冗余，以及创作者夹带私货的刻意偏差。当整体成品的获取成本降至冰点，观众不再为画出一座城买单，而是为这座城角落里藏着的一块崩角的砖驻足。那些经不起放大检验的宏大视觉，最终只会沦为廉价的像素消耗品。
算法交出起跑线与人类走完长路
并不是所有人都把大模型的输出当成最终结论。一部分工程派认为，模型最擅长模拟已有的创作方案，在漫长的开发路途中给你一个起跑优势。它交付的永远只是草图，或者用机器自己的话说，一个取得了成品形状的东西；剩下的路，依然需要人类自己走完。
这种把算法产出定位为中间件的态度，反映了工具化认知的一贯逻辑。就在同一批实验里，有人让 Opus 5.5 制作解释相机对焦原理的交互式演示，同样一次成型，用时 1 小时 26 分钟，花费 25 美元。在非艺术表达的科普场景中，机器交付的成品形状已经足够满足功能性需求。
这也引出了一个无法回避的终极追问：如果艺术创作越来越变成向黑盒输入指令并等待开奖的过程，十年之后，谁会更清楚地记得这些作品？是当年在平板上一笔笔抠出四座城市的插画师，还是花 74 美元看完 55 座城市后点击保存的开发者？实验者满怀敬畏之余也开始疑惑自己在创作链条上的位置，属于人类体验的那部分重量，早就已经不在那张渲染完成的图纸里了。
参考链接：
- Quesma 博客实验报告
- Hacker News 社区讨论
