一句话结论
Claude Opus 5.5 Max 在 iPhone 默认聊天应用中耗时 3 小时零 7 分生成一款含音乐动画成就的 Three.js 找树游戏。
关键要点
- 实验使用 Claude 官方 iPhone App 的默认聊天模式，而非代码专用模式，未调用专业编程工具链。
- 提示词明确指定构建名为 "Tree Appreciator" 的 Three.js 游戏，核心机制为对比两棵算法生成树木的差异。
- 模型运行总时长精确记录为 3 小时零 7 分钟，最终输出包含背景音乐、动画效果及成就系统。
- 作者指出在提示中直接要求“确保趣味性”产生了显著效果，这与近期关于该模型特性的公开演讲观点形成反差。
- 成果被作者评价为“舒适且极具吸引力”，尽管生成过程耗时较长，但最终游玩体验具备完整度。
背景与事实
2026 年 10 月 14 日，开发者西蒙·威利森（Simon Willison）发布了一篇关于大型语言模型实验的博文。该实验并非使用专用的代码执行环境或智能体工作流，而是直接调用 Claude 官方 iPhone 应用程序中的默认聊天界面。在实验中，威利森向模型 Claude Opus 5.5 Max 输入了一条指令，要求构建一款基于 Three.js 库的游戏，游戏名称为“Tree Appreciator”。该游戏的核心玩法并非传统的动作或策略机制，而是展示两棵通过算法生成的树木，玩家任务在于欣赏并识别这两棵树之间的细微差异。指令中特别强调，模型需要深入思考如何同时保证游戏的“趣味性”与“视觉美感”。
在处理这条指令时，Claude Opus 5.5 Max 进行了长达 3 小时零 7 分钟的“推理”或“生成”过程。对于现代大语言模型而言，这一响应时间远超常规的文本对话或简单代码片段生成。最终，模型返回了一个完整的游戏模块，其中不仅包含了基于 Three.js 的视觉渲染逻辑，还额外集成了背景音乐播放、动态动画效果以及玩家成就解锁系统。威利森在博文中表示，这款生成的游戏在游玩体验上显得“舒适”（cosy）且具有相当的吸引力，能够引导玩家沉浸于观察细节的过程中。值得注意的是，威利森将其描述为一种“略显尴尬”的发现，因为他近期在公开演讲中曾对类似模型的某些特性持保留态度，但实际操作中发现，当明确提示模型关注“趣味性”时，Opus 5.5 Max 的表现远超预期，这种反差构成了该实验的主要记录价值。
此外，该实验发生在 2026 年 10 月特定的技术背景下。威利森在同一时期的其他博客文章中记录了多项技术动态，包括 Python 3.15 的发布与 3.10 的退出支持，以及使用语音构建博客新功能的尝试。这些背景信息表明，当时的开发生态正处于快速迭代阶段，开发者开始频繁利用移动端应用直接驱动复杂代码生成任务，而非局限于桌面端的集成开发环境。这次“Tree Appreciator”的实验正是这一趋势下的典型案例，展示了在移动端原生应用中直接调用高级模型版本进行创意编程的可行性，同时也暴露了当前生成式 AI 在复杂任务执行上所需的高时间成本。
影响分析
对于中文开发者与从业者而言，这一案例提供了关于多模态与代码生成结合的重要参考。首先，它验证了非代码专用模式的移动端应用同样具备处理复杂创意编程任务的能力，这意味着团队无需部署昂贵的专用算力集群或复杂的代码智能体框架，即可在移动场景下生成带有音频、视觉和逻辑的完整小型应用。然而，必须明确的是，3 小时零 7 分钟的生成时长表明，当前阶段的大语言模型在处理需要深度逻辑规划、视觉算法生成及多媒体整合的复杂任务时，依然处于“离线批处理”而非“实时交互”的阶段。这对依赖即时反馈的交互式开发流程构成了实际阻碍，更适合应用于预研、创意原型验证或自动化内容生成管道，而非紧急的生产环境修复。其次，该实验凸显了提示工程中情感与体验维度（如“趣味性”“美感”）对代码生成质量的实际影响，提示开发者在编写提示词时，应明确交代用户体验目标，而不仅限于功能需求，这可能成为未来构建生成式应用时的标准提示策略之一。
适用边界
该结论不适用于要求秒级响应或高并发实时互动的生产级开发场景。由于生成耗时超过 3 小时，该工作流无法替代传统的实时编译或即时调试流程，仅适用于对时间不敏感的非实时创意编程、艺术项目原型验证或后台自动化代码生成任务。此外，该实验基于特定的模型版本 Claude Opus 5.5 Max 及特定移动端应用环境，其结果可能无法直接推广至其他模型版本或桌面端集成开发环境下的表现。
孤本观察
本案例揭示了大语言模型在生成复杂多模态应用时，算力时间成本与用户体验细腻度之间的非对称交换关系。这种以小时级等待换取完整游戏模块的模式，暗示了生成式 AI 正从“文本辅助”向“资产工厂”演进，但尚未跨越实时交互的技术门槛。
常见问题
生成“Tree Appreciator”游戏的具体耗时是多少？
模型运行总时长精确记录为3小时零7分钟。
该实验使用了哪种应用环境和模式？
实验使用Claude官方iPhone App的默认聊天模式，而非代码专用模式，未调用专业编程工具链。
生成的游戏包含哪些额外功能模块？
最终输出包含基于Three.js的视觉渲染逻辑、背景音乐播放、动态动画效果以及玩家成就解锁系统。
为何要在提示词中强调“趣味性”？
作者发现直接要求“确保趣味性”产生了显著效果，使Opus 5.5 Max的表现远超预期，这与近期公开演讲中的保留观点形成反差。
该实验结果适用于哪些开发场景？
适用于对时间不敏感的非实时创意编程、艺术项目原型验证或后台自动化代码生成任务，不适用于要求秒级响应或高并发实时互动的生产级场景。