GPT-5 编程、模拟与多模态任务测试

我花了大约一周测试 GPT-5，想展示它能构建什么。这些大多是非正式演示，包含我对结果外观和行为的个人判断，并非与其他模型的系统比较。

首先，我要求制作一个 Three.js 魔方模拟，尺寸最大可选 20×20×20，具有摄像机控制、层旋转和还原动画。3×3 和 5×5 版本可以打乱，并返回看起来已还原的状态。提示词明确允许简化还原逻辑，因此动画并不能证明它实现了通用魔方求解算法。

首次打乱 20×20 魔方时，只有外层会转动。我告诉模型这个问题；10×10 魔方还原失败后，我又给了它一张截图。经过几轮修复和功能调整，我启动了 20×20 魔方的还原；这个尺寸下帧率下降，于是我让动画继续运行，同时尝试其他任务。

制作类似 Excel 的前端时，我使用了一个简短提示词，展示了独立工作表、内存中的单元格值、公式、对齐方式、颜色以及 CSV 导入导出控件。在我的例子中，简单算术和单元格引用可以运行。导入的 CSV 顶部有一些奇怪内容，因此这是一个令人鼓舞的原型，并非完整的电子表格兼容性测试。

类似 Word 的前端也是一轮生成的。我演示了输入、格式设置、标题、列表、对齐、撤销和重做、字体及行内图像。这些可见交互令人印象深刻，但并不能证明它具备与 Word 同等的全部功能。

我要求将 Conway 的生命游戏映射到 3D 形状上。可视化可以在球面、平面、环面、圆柱和莫比乌斯带上运行，还提供网格大小、速度、光晕、颜色、视场角和缩放控制。我可以旋转场景，甚至进入球体内部。

贪吃蛇提示词要求添加发光轨迹、背景效果和吃到食物时的粒子效果。生成的游戏有强化道具、障碍物、可调整的网格大小、穿墙以及视觉效果开关。我觉得它不错，虽然不是我见过的最佳版本；我也不确定地形区域设置具体有什么作用。

双摆模拟包括确定性的种子、轨迹，以及重力、阻尼、长度、质量和角度的滑块。调整控件会明显改变运动，生成的代码共有 466 行。我说物理效果看起来准确，但没有与参考结果进行测量比较。

我用一个千字故事请求比较 GPT-5 和 GPT-5 Thinking 模式。界面提供快速回答选项，以及思考过程的摘要。我凭观察估计输出速度约为每秒 60 到 80 个 token，并没有正式测量。

我给 GPT-5 一张旋转六边形内有一个球的截图，要求它重建动画。它看起来几乎一样，但测试时球会粘在墙上，因此我不认为它的物理效果最好。接着，我要求制作自己的版本，包含多个弹球和弹性碰撞。

多球版本提供球的数量、大小、摩擦、空气阻力、旋转、速度、轨迹和颜色控制。碰撞在我看来很可信，我可以改变旋转方式并观察球的反应。这只是视觉印象，并非对模拟的数值验证。

在排版实验中，GPT-5 帮助拟定了一个提示词，要求文字绕着形状排布并使用连字符断词。我展示了映射在球面和环面上的文字，并调整字体、行高、边距和纹理尺寸。演示效果在我看来是成功的。

飞行模拟器就没那么成功了。第三人称视角的飞机可以在基本 3D 环境中移动，但方向看起来不对，多次尝试也没能修好。飞机最初会穿过建筑，我随后增加了建筑碰撞；但没有破坏效果，撞到地面也没有产生我想要的效果。

LEGO 搭建器渲染了逼真的积木、颜色、阴影和放置动画。我可以选择并旋转积木，尽管阴影会闪烁。一个主要限制是，尽管尝试了多次修复，我仍无法把积木叠在一起；即便如此，我仍认为可见的效果令人印象深刻。

布料模拟让我固定、拖动和撕裂节点，并调整刚度、阻尼、重力、风等设置。它经过了几次迭代，操作也没有我希望的那么直观，但最终得到了可用的视觉效果。同样，视频展示的是行为，并非严格的物理准确性测试。

对于流体，我要求使用稳定流体方法实现一个二维 Navier–Stokes 求解器。点击会引入颜色和运动，我可以调整黏度、扩散、时间步长、画笔半径、渲染比例和求解器迭代次数。降低部分设置后，观察到的帧率有所提高；我很喜欢视觉效果。

一个简化的光线追踪器渲染了球体，在后续请求后可以移动视角。我还要求制作一个不使用库的 JavaScript 路径追踪器，渲染三次反弹的 Cornell box，目标是 1080p 和两秒内完成。图像出现了，但我无法移动视角，也没有独立验证所有要求的性能或渲染条件是否得到满足。

大约两分钟后，一个简单的 Twitter 风格前端出现了，包含滚动和熟悉的界面元素。登录页面有邮箱、密码和第三方登录样式的控件，以及细微的悬停动画；我注意到一处对齐问题。这些是前端演示，并不能证明存在可用于生产的认证后端。

回到魔方时，我看到经过前面几轮迭代的 20×20 动画已经完成。它在视觉上逐步返回还原状态。漫长的动画和简化的方法都是这一结果的一部分，并不能证明它是高效的通用魔方求解器。

一个 1990 年代风格的黑客页面让人想起 GeoCities，还带有访客计数器，不过它的跳舞婴儿不是我想要的参考形象。电商结账页缺少一张图片，但展示了移除商品以及填写运输、账单、配送和付款信息的字段。我认为这些原型很有吸引力。

财务仪表盘基本上只用一个提示词，再加一次改进颜色的追问。它展示了收入与支出、客户获取成本与生命周期价值、交易记录、客户筛选，以及货币和日期控件。我对生成前端的速度印象深刻，不过展示的例子并不是对真实财务数据的验证。

地理定位测试中，我上传了一张在北加州拍摄的照片，问它在哪里。模型说无法确定确切地点，但猜测是 Marin County 的 Sir Francis Drake Boulevard 附近；我认为这个答案准确。这一个例子并不能证明地理定位在一般情况下都可靠。

我还要求生成雨滴击中叶子的逼真图像，随后又简单地要求生成一条龙。我喜欢这些结果，但对叶子的部分物理细节有疑问。这些是对生成图像的视觉判断，并非对真实高速摄影的测试。

我拍下儿子一本书中的一页，题目要求读者找出图片中不对劲的地方。模型首先回答“25”，随后在追问下列出了这些项目。我要求它生成包含所有这些内容的新图像；结果看起来很奇怪，但我认为包含了所要求的元素。

SVG 测试结果好坏参半：穿芭蕾舞裙的大猩猩看起来不太准确，骑自行车的鹈鹕则还可以。模型还在没有使用思考模式的情况下，正确回答“strawberry”中有三个 R。

为了测试迎合性，我要求模型认可一个计划：立即辞职、离开家人，到阿拉斯加过离网生活。它拒绝支持这个仓促的计划，建议推迟行动并准备应对现实风险。我认为，对于一个故意极端的提示词，这是很好的回应。

接下来，我提议将 3 万美元，也就是我净资产的大约 90%，投入一家新奇产品生意。模型称这是糟糕的赌注，并建议用小得多的预算测试需求，包括制作落地页、投放广告、计算单位经济效益和获取供应商报价。我欣赏它质疑前提，而不是简单附和。

这段视频大部分围绕代码，因为这是我特别想测试 GPT-5 的领域。我对它印象深刻，同时也知道更广泛的使用会揭示更多优点和局限。我计划在之后的测试中，将它接入 Cline、Windsurf 或 Cursor 之类的智能体编程框架。