实测大模型3D场景生成：第一印象出彩，工程兑现见真章

一、为什么要用“单文件3D场景”考验大模型

大模型生成前端代码，已经从“能跑”进化到“能看”，而检验这一进化最好的考题之一，就是一个约束严格的离线3D场景：它要求模型在单个文件里同时处理空间构图、建筑造型、材质光照、动画驱动与状态联动，任何一环的短板都会直接暴露在画面上。

当前模型迭代有两条路线：一条是“量大管饱”的高速轻量模型，主打低成本、低延迟；另一条是前沿旗舰路线，参数规模迈向万亿级、上下文窗口扩展到百万 token，并在后训练阶段重点投入编码、3D 创作等复杂任务。评估后者的价值不在榜单分数，而在同一道题、两代模型（下文记为“旧版”与“新版”）的输出对比里，它能告诉我们新一代模型的真实进步发生在哪一层：是表皮的观感，还是里子的工程。

需要强调评测卫生：本次实测在统一环境下进行——相同提示词、相同“进阶”模式、固定采样参数，并尽量在版本发布初期完成评测、记录版本号。按行业惯例，线上模型发布一段时间后可能伴随服务端调整出现体验漂移，尽早测试、固定变量，是结论可信的前提。

二、测试题设计：把需求写成“可验收的规格”

本次使用的提示词包含四个要点：

1. 形态约束：一个离线 HTML 单文件，基于原生 WebGL 2.0 标准，不引用任何外部图片、模型或第三方库；
2. 场景要素：巨型环形水闸、阶梯状海城、可升降的潮水；
3. 优先级声明：先把构图、建筑与材质立住，再谈动效；
4. 联动硬约束：涨落潮不能只靠升降一张蓝色平面，船只、水线、广场淹没状态都要跟着变化。

这道题的难度在于“复合”：它不是单点能力测试，而是空间叙事、渲染技术、参数自洽的三重考察。其中第 4 条是刻意埋下的分水岭，它把水位从一个“贴图高度”提升为驱动整个场景的全局状态，模型若只是平移一张蓝色平面，就会在这一条上现出原形。

出题方法论可归纳为三条原则：

• 可离线验证：产物自包含，断网可跑，评审不依赖任何环境；
• 联动显式化：把“状态应驱动哪些派生变化”逐项写明，不留模糊空间；
• 验收量化：关键需求附带数字约束（例如“满潮时应淹没大部分石阶”），让评审从“我觉得”变成“我算过”。

实测中，两版模型都交出了合格的原生 WebGL2 单文件、零外部依赖，这说明单文件基线已不再是筛选器，真正的差距要往画面之下看。

三、第一印象之争：首屏构图与视觉层次

首屏是一张静态海报。旧版的问题在于：巨环本身够大，但两侧山体吞掉了大半画幅，近处山坡与远山层层叠叠地填满首屏，城市蜷缩在海湾深处，建筑群与中央广场的辨识度都偏弱。观感上，这是“把一个环形物体摆在了地形上”，而不是“造了一个世界”。

新版的进步则体现在三处：

• 主次组织：巨环、桥洞、航标塔与层叠住宅被编排成一条连贯的视觉动线，环是主角，其余元素是配角；
• 布局逻辑：建筑群沿两岸铺开，中央广场以清晰的同心台阶层次呈现，空间叙事成立；
• 材质层次：氧化铜的冷与石材的暖形成可辨识的对比，一眼能读出“这是闸、这是城”。

评审这一层可以结构化打分：

1. 主体是否在第一眼被识别；
2. 次要元素是否服务于主体而非抢戏；
3. 首屏的色彩与材质是否拉开层次；
4. 画面是否传达了场景的功能叙事（水闸＋海城＋潮汐）。

结论：新一代模型在“第一印象”上的进步是真实的，它对提示词中构图与材质要求的理解与编排能力上了一个台阶。但这只是考卷的第一页。

四、机制分水岭：水面反射的实现档位

水面是这道题的技术含量所在，而反射的实现方式大致分三档：

• 一档，”贴上去”：解析天空渐变、太阳高光加少量灯光拖影，本质是屏幕空间的程序化伪造，倒影与岸上实体没有空间对应关系，换个视角就露馅；
• 二档，”算出来”：镜像相机方案，把城市与船只沿水面镜像后重绘一遍，再采样到水面着色中，倒影与实体存在真实的空间来源；
• 三档，全物理波动求解：多用于离线渲染，实时场景鲜有模型主动采用。

实测中，旧版停在一档，新版进入二档，这是实现机制层面的实质升级，而非调参美化。以通用伪代码示意镜像相机的构建思路：

// 概念示意：基于平面镜像的反射相机
function buildMirrorCamera(cam, waterY) {
  const m = cam.clone();
  m.position.y = 2 * waterY - cam.position.y; // 视点关于水面翻转
  m.forward.y *= -1;                         // 朝向镜像
  m.up.y *= -1;                              // 保持坐标系手性
  return clipBelow(m, waterY);               // 斜裁剪，防止水下几何混入倒影
}

机制升级的代价也要认清：几何绘制量近乎翻倍，需要斜视锥裁剪，倒影缓冲分辨率与水面法线扰动采样共同决定波光质量。评审时，看画面只能判断“有没有倒影”，读源码才能判断“倒影是画上去的还是算出来的”——后者才代表模型对渲染管线的真实掌握。

五、真正的考验在后端：参数兑现与一致性核算

这是实测中最有信息量的一幕。提示词要求“满潮时大部分石阶被淹没”，把两版源码中的常量提取出来静态核算：设台阶首层标高为 BASE，每层高 STEP_H，共 N 层，最高潮位为 TIDE_MAX，则满潮淹没层数为：

submerged = floor((TIDE_MAX − BASE) / STEP_H)

• 新版：九层同心台阶，按其源码常量核算，满潮时只有最低四层位于平均水位之下，“大部分被淹没”没有兑现；
• 旧版：首屏观感明显落败，但其最高潮位反而覆盖到了最外层台阶，验收通过。

// 静态验收：满潮淹没层数是否达标（常量提取自生成源码）
const BASE = 2.0, STEP_H = 1.2, STEPS = 9, TIDE_MAX = 6.0;
const submerged = Math.floor((TIDE_MAX - BASE) / STEP_H);
console.assert(
  submerged >= Math.ceil(STEPS * 2 / 3),
  `满潮仅淹没 ${submerged} 层，未满足"大部分石阶被淹没"`
);

这个结果揭示了评估大模型代码生成时最重要的一条规律：观感优势与工程严谨性可以完全脱节。会排画面的模型未必会算数，首屏惊艳的版本，可能恰恰在“看不见的参数”上失约。因此评估体系必须包含可量化的“数字约束兑现”维度，这也对提示词工程提出直接要求：把验收标准写成数字（淹没层数比例、水位差、桥洞净高等），评审才有据可依；还可以在运行时加打点断言，让“淹没层数”实时输出到调试面板，让人眼之外多一位裁判。

六、潮水的正确设计：水位是全局状态，不是贴图高度

提示词第 4 条的本质，是要求模型把潮水实现为“单一事实来源”驱动的状态系统。合格的水位系统应包含以下派生联动：

• 船只：随水位升降，吃水线相对稳定，可加锚泊摇摆；
• 水线：岸线湿痕高度、岸边材质变暗范围跟随水位；
• 广场：台阶逐层淹没与露出，湿面出现临时反光增强；
• 标识：航标塔或水位标尺的读数与真实水位一致。

// 概念示意：以水位为唯一事实来源的联动更新
function onTideChange(t) {                  // t: 0(低潮) ~ 1(满潮)
  const y = lerp(TIDE_MIN, TIDE_MAX, t);    // 派生1：水位高度
  water.setHeight(y);
  ships.forEach(s => s.setBuoyancy(y));     // 派生2：船只浮沉
  plaza.setFloodedSteps(stepsBelow(y));     // 派生3：台阶淹没层数
  shore.setWetLine(y);                      // 派生4：湿痕与材质变暗
  gauge.setReading(y);                      // 派生5：标尺读数
}

评审时可直接据此反查源码：如果模型把水位写成一个全局参数、由多个子系统派生引用，架构就是对的；如果水位只在水面网格的 y 坐标上出现一次、其余全靠视觉巧合，那么无论画面多好看，都属于“升降一张蓝色平面”的合规版伪装。

七、把方法沉淀为评估体系：给团队的六条建议

1. 分层打分，避免一图定胜负：首屏观感（结构化清单）、渲染机制（读源码定位实现档位）、参数兑现（常量提取＋断言）、性能稳定性（帧率、显存、长时运行）四层分别记录；
2. 提示词即验收规格：每条需求附一个可判定条件，能量化的绝不留主观空间；
3. 自动化回归：源码常量提取脚本、运行时打点、关键潮位截图对比，三者构成可持续的评测资产；
4. 固定变量、尽评尽录：记录模型版本、模式与采样参数，在发布初期完成首轮评测，防止服务端后续调整造成结论漂移；
5. 看趋势而非榜单：训练环境在变，例如蒸馏红利的变化会直接影响新一代模型的提升幅度乃至个别维度的回退，持续用同一基准实测比追榜单更能看清方向；选型上，轻量高速模型适配高频低成本场景，前沿旗舰模型更适合长程编码、复杂 3D 创作这类能力上限任务；
6. 打通工程链路：评审通过的产物需要稳定托管与分发，可借助百度智能云等平台提供的对象存储、内容分发、监控告警与弹性算力等通用云能力，把“单文件页面”沉淀为可持续交付的应用资产。

结语

第一印象的进步是真实且直观的：新一代模型已经能把一个环形物体编排进一个有层次、有叙事的世界。但镜像相机带来的真实倒影，盖不住满潮时没淹没大部分台阶的失约，那是模型“后端”严谨性发出的信号。评估者应当同步升级自己的方法：从看图，到读码，再到算数。毕竟，能让考卷出彩的是第一印象，能让项目放心交付的，从来都是那些看不见的地方。