近300萬人圍觀卡帕西親測Opus 5：兩小時寫完5500行代碼， 卻連自己寫的遊戲都玩不了

AI 領域知名人物、前 OpenAI 研究員與特斯拉自動駕駛技術負責人卡帕西（Andrej Karpathy）近日在社群平台上進行了一場長達兩小時的直播實測，親自挑戰一款名為「Opus 5」的模型。這場直播不僅吸引近 300 萬人次圍觀，更因為他在短短兩小時內利用該模型生成了 5500 行程式碼，嘗試寫出一款可玩的遊戲，最後卻發現連自己都無法順利遊玩，引發熱烈討論與大量轉發。 卡帕西向來以深入淺出的技術分享著稱，這次他刻意選擇從零開始建構一款遊戲，涵蓋遊戲邏輯、畫面渲染與互動機制等完整環節。在直播過程中，他幾乎全程仰賴 Opus 5 自動產出程式碼，只見模型以驚人的速度一行一行吐出程式，短時間內就累積了超過五千行的程式碼庫。卡帕西不時驚嘆於模型的生成效率，並與觀眾互動，展示每個階段的進度。 然而當遊戲初步完成，卡帕西實際操作時，卻發現遊戲存在多處錯誤與邏輯缺陷。例如角色移動會卡住、碰撞判定異常、關卡無法觸發切換，甚至連基本操作都無法順暢執行。他試圖手動調整幾處關鍵參數，但由於程式碼數量龐大且結構複雜，除錯過程耗費不少時間，最終仍無法讓遊戲順利運作。卡帕西在直播尾聲苦笑表示，自己連這款由 AI 協助寫出的遊戲都玩不了，凸顯了當前模型在複雜邏輯驗證與除錯層面的明顯侷限。 這場親測不僅展現了 Opus 5 在程式碼生成方面的驚人速度與產量，也讓外界清楚看到「寫得多」與「寫得對」之間仍有不小的差距。卡帕西在直播中多次強調，大型語言模型在生成代碼時，往往能快速給出看似合理的結構，但實質上缺乏對整體系統一致性的掌握，尤其當程式碼彼此依賴、狀態共享時，錯誤很容易層層疊加。 業界人士分析，Opus 5 這類模型在自動化生成程式碼方面確實具備潛力，但距離真正的「AI 工程師」還有很長的路要走。卡帕西的測試結果正好提供了一個真實對照：模型可以幫你寫出大量程式碼，卻無法保證這些程式碼能正確運作，尤其當專案規模變大、邏輯鏈條變長時，模型的弱點會更加明顯。 值得注意的是，卡帕西並非首次公開測試大型語言模型的程式碼能力。過去他曾多次使用不同模型進行類似實驗，包括撰寫簡單的演算法、自動補全程式碼片段等，但這次的遊戲開發挑戰規模更大、互動性更強，也更貼近真實開發情境。他選擇將完整過程直播，讓觀眾親眼見證模型從快速生成到陷入除錯困境的完整過程，引發了許多開發者的共鳴。 不少網友在觀看直播後留言表示，自己也曾遇過類似情況：AI 幫你寫了一大堆程式碼，但實際上線時卻漏洞百出，除錯時間甚至比從頭自己寫還長。卡帕西則在直播中總結，當前的 AI 程式碼生成工具比較適合當作「加速器」或「靈感來源」，而非取代工程師的思考與驗證。他認為，未來模型的進步方向應該著重於邏輯推理與錯誤檢測，而非僅追求生成速度與字數。 這場直播也讓 Opus 5 模型在技術圈內獲得大量關注。雖然卡帕西並未公開模型的具體技術細節，但從其輸出品質與速度來看，Opus 5 在參數規模與訓練資料量上應該處於業界領先水準。然而，正如卡帕西所展示的，參數量大並不代表邏輯正確，尤其是在需要持續維護狀態與處理邊界條件的遊戲開發場景中，模型的表現仍有待提升。 從更宏觀的角度來看，卡帕西的親測經驗為 AI 輔助開發的實用性提供了真實的參考數據。開發者可以藉此評估何時適合讓 AI 介入，以及何時需要人類工程師的介入。業界普遍認為，未來 AI 與人類協作的最佳模式，可能是讓 AI 負責大量模板化、重複性的編碼工作，而由人類主導邏輯設計、架構規劃與最終驗證。 卡帕西在直播最後並未放棄這款遊戲，他預告將在後續影片中嘗試手動修正錯誤，並與 Opus 5 模型合作完成除錯。這也暗示著，即使模型當下無法完美產出可執行的遊戲，但透過人機協作的反覆迭代，仍有機會逐步縮小差距。對於廣大開發者而言，這場直播不僅是一次技術展示，更是一堂關於 AI 能力邊界與開發思維的寶貴課程。