
用 AI 做 3D 游戏,工具都在资产这一层
3D 游戏的 AI 工具已经铺满模型、贴图、绑定三段,按件计价,能直接拖进引擎试。关卡设计和引擎里的整合还没有能替人的工具,而免费档基本不能商用、AI 生成物在美国拿不到版权保护,这两个坑最后都落在开发者身上。

3D 游戏的 AI 工具已经铺满模型、贴图、绑定三段,按件计价,能直接拖进引擎试。关卡设计和引擎里的整合还没有能替人的工具,而免费档基本不能商用、AI 生成物在美国拿不到版权保护,这两个坑最后都落在开发者身上。

Nandakishor Mukkunnoth 说他在 2025 年 3 月就做出了 Jev 那套非自回归决策模型,为此写了一篇很长的 文章。我读了他引的两篇论文,也把他 2026 年的模型拿 229 道细粒度题跑了一遍,看到的和这个故事不太一样。

让大模型直接写界面 JSON,它会编出不存在的组件、自己编文案,写坏了还得等结果回来才知道。json-render 换了个办法,把搭界面拆成两批有限的选项,模型只挑,代码负责拼。

十个真实场景、66 道有确定答案的题,外加 229 道核对题,三条对比臂。准确率只差几个点,时间差十倍,而概率的用法完全不同。

Jev 不写文章,只做判断。把它想成一套选择题加判断题,你出题,它交答题卡并标出把握。这篇讲清它能干什么、为什么便宜,以及那个概率为什么不能直接当正确率用。

本周 40 条。会画鸟的墨水屏、给 AI 上镣铐的证明语言、把 20 美元热点改成短信机,还有警察用「LMAO」当理由搜了 19,000 台摄像头。

TypeSafe AI 的 Jev 把模型输出从字符串换成带概率的类型化判断,还声称概率是「校准」过的。这个前提没有人给过证据——我们拿 229 条有确定答案的声明,量了普通 LLM 的置信度到底能不能用来做自动化。