看看这个，这简直就像《极限国度》的专业滑板模式。又过了一天，又一个前沿模型登场：GPT-6.1 Soul 来了。今天我们要测试的是当天的最新模型，也就是 OpenAI 的 GPT-6.1 Soul。这款模型在 GPT-6 Soul 发布后不久就推出了，说实话，我们在测试中发现它的反响并不好。但这并不意味着它很糟糕，只是说它在一些我们喜欢在频道上运行的以 3D 为中心的结果方面没能真正让我们惊艳。所以今天的视频，我们将测试新发布的 GPT-6.1 Soul。OpenAI 今天举办了开发者日，介绍了一些额外的功能，但这支视频将完全专注于 Soul。在深入之前，请随时订阅，我们先来看看这个模型有哪些新变化。

巡逻队消失了，城市归你。好吧，我们能搞定这个吗？哦，不错。这小家伙有点扭矩。接下来，让我们检查一下轨道运行。很好。我其实挺喜欢这个的，做得很不错。昨天的测试中我们甚至没玩完第二局，那是我的错，因为我在两小时后伸手停止了它。所以从时间上看，这次肯定快得多。而且这也是在最大努力模式下进行的。所以我挺喜欢声音音调逐渐升高的效果，飞得很漂亮。谢谢。这其实是一场相当愉快的游戏。如果我们尝试……哦，好的。还不错。我挺喜欢那个邮件功能的。这些只是对应用中元引用的提及。我们真的能从应用启动游戏吗？是的，我们可以。好吧，这挺酷的，直接从邮件应用里就能启动。所以他们总是试图将邮件应用与游戏中的相关内容连接起来。飞行完成，它只是在轨道运行中给我们状态报告。这不是提示所指示的。这是一种所有模型都收敛到的行为，即邮件应用与某些游戏相关联，看到不同制造商的模型在不同方面趋同还挺酷的。能保存为TXT文件吗？好的，可以。我一直挺喜欢这个功能的，之前这曾让我有点困扰。声音实验室……等一下。不。

哦，是的。如果它里面加了低音效果，我肯定会进去试试。好吧，我喜欢这个，这是一个非常好的包含项。我一直很享受这种音效或类似内容的加入。连接的氛围：你的壁纸会响应游戏中的速度和警察热度。我没注意到这一点。好吧，我不知道我是否看到了壁纸的反应，但这并不意味着它没有反应，只是意味着我没看到。这一定是我们的特色功能。稍等片刻，重温世界。所以这是那种类似《时空之轮》的功能，这总是件好事，这些功能都很酷。基本上，保存胶囊、保存时刻，然后如果我们关闭它并恢复这个，它将把我们带回原来的位置。好吧，总体来说肯定胜任，但没有什么让我惊艳的。如果我们将它与Sonnet 5.5进行比较，它不如后者好，尽管速度显著更快，并且是在其最高推理努力模式下运行的。所以下一步，我要再次尝试那个泳池派对游戏。我已经删除了所有相关的引用、所有的现金等所有内容。它不仅在系统中归档，而是彻底消失了。这次我们只是在不开启快速模式的情况下以最大努力运行它。在此之前，我们在“超代码”或 whatever 这种推理努力下进行的（我忘了）。我在Anthropic的这个和那个之间容易搞混，而且当时没有开启快速模式。这只是一个简单的概述：使用Blender和GDO创建以下游戏《后院泳池派对》。本质上这是一个3D的后院泳池派对，游戏的目标是跳入水中和各种角色等事物中。这里使用的是Blender和GDAU，我只是想添加这一点，因为它是全新的。所以模型之前没见过这个内容。我发誓我刚去检查了它做的所有具体事情、搜索的所有内容以及找到的所有内容，以确保没有残留最初测试时我们在超模式加快速度下看到的结果的痕迹。它基本上做了完全相同的事情，只是更慢了一些。所以再说一次，Sonnet的结果在视觉上更具冲击力。我会说，特别是角色和 stuff 方面。我是说这些角色相当简单，它们并不差，别误会我的意思，但再次强调，当Sonnet 5.5的结果新鲜地留在脑海中时，很难测试这一点。

我是说如果我们看这里，这并不一定不好，但我想把我们的注意力引向Sonnet 5.5创建的内容。我是说那里没有可比性，我甚至不会粉饰太平。与这里看到的相比，那简直是一团糟。所以我们要让它完成51分钟。我们有了泳池派对的结果。我发誓系统里没有第一次做这个时的任何先例，我把所有东西都清理掉了。结果真的非常相似。除非我搞砸了什么，但我相当确信我没有。我一直在查看所有工具调用，看看它具体看了什么、找了什么。我是说结果真的和我们之前得到的一样，考虑到它是同一个模型，这大概说得通。好吧，让我们看看巨大的水花能量。好的，我们就叫它Biggie吧。按住空格键弹跳。好吧，再次强调，这确实是一个扎实的结果。我相信Q是翻转，E是旋转，空格键是蜷缩。好吧，好的。好极了！再来一次水花溅射。哦，还不错，真的不错。我认为这里最大的问题可能是它紧随Sonnet 5.5的结果之后，后者更好（除了当人们变得狂热并摔在铺路石上时，那相当令人不安）。所以我是说这确实是一个更简单的版本，但我想做一些完全不像基准测试的事情。接下来我们将进行自包含的C++滑板游戏。这是那个需要是2000年代初纽约市街区的游戏。它不能使用Ray，而且我又采纳了评论中的建议（因为这是一个极好的建议），基本上它需要一个回放功能。所以传统的提示是一样的，但在最后我附加了还需要有一个特性：技巧要有回放选项，该选项在做出技巧后按下Z键触发，给出该技巧的电影式回放。所以基本上，如果我们做一个很酷的技巧，我们按下Z键，它应该给我们该技巧的电影式回放。再次强调，这是我在最近的一个视频中看到的建议，这是一种让测试保持新鲜的好方法，同时也保持一致性，以便我们可以跨模型比较结果。第一印象……除了那是另一个测试外（我得等那个完成）。但第一印象，这看起来并不坏。我忍不住想看看……好吧。我是说我认为这里的主要问题之一是手臂不是……我不知道。不过我要说的是，这里的图形保真度看起来像是之前版本的模型在被告知要更努力、让画面更好看后产生的效果。所以这几乎看起来像是我们之前GPT-6.1 Sol模型测试的第二次迭代。到目前为止还不错。街区实际上相当干净，我没看到任何失败逻辑（bail logic）。好吧，我们就在那里重启。好的，很酷。我试图做一个很酷的 trick 以便我们可以检查回放。好吧，让我们试试回放。

按下Z键是我们的回放功能，这是一个非常棒的建议。感谢留下该建议的人，做得很好。有一点让我略感失望的是，这只是一个相当基础的区块模型。虽然提示词中只要求是纽约市的一个街区，但缺乏与行人或其他元素的互动。在营造充满活力的城市氛围方面，Sonnet的表现确实远超其他模型，这一点很酷。说实话，我其实很难拍摄这个视频，因为如果该模型在3D生成方面相比Claude系列并不出色，这并不意味着它整体更差，只是说明它在我们在该频道主要测试的3D类型任务上表现不佳。

因此我有些为难，因为如果这不是它的强项，我不想简单地做一个贬低它并宣称“Sonnet好得多”的视频。也许它在优化边缘设备以高效运行某些程序方面非常出色，但我真心在思考如何展示它不同于3D生成、更贴近底层软件能力的一面。我几乎有些沮丧，因为它声称能在保持单文件C++要求的同时改进结果，但这并不一定意味着代码必须包含在单个文件中。我有93%的把握认为Sonnet 5.5的结果包含了多个文件，所以我想告诉它这一点，因为这可能限制了其部分能力。

好的，让我们看看结果如何。它根据我们展示给它的反馈重做了结果，Sonnet 5.5也是这么做的。这绝对是一个显著的改进。我要说现在的水体效果做得相当不错，很好。我们有了声音，图形保真度也有所提升。不过，城市似乎并不大。确实不大。好吧，它只是从这个角度让它看起来很棒，但并没有构建出广阔的城市空间。不过没关系，我们确实有一些船只之类的物体。我们可以在这条轨道上滑行吗？不行。我想也许可以，但你需要很好地把握时机。

那看起来相当不错，回放画面很有美感，并且完成了整个特技动作。这是另一个方面：模型必须确定特技何时开始、何时结束。来看看这个，这绝对像是极限运动的专业模式，太棒了。虽然这在精细程度上仍不及我们之前看到的Sonnet 5.5的结果（我之前叫它失败了吗？我不记得了），但在水体效果方面绝对是一个进步。起始视角看起来令人印象深刻，水体处理得非常出色，建筑物在水中的倒影等细节都很酷。我们仍然无法与行人互动，这是我昨天测试时注意到的问题，虽然有趣但令人遗憾。不过回放摄像机让这一切变得非常精彩。

我本想看看能否重播它，但进入水中时没起作用。所以表现显著更好了。接下来我做的是机械臂测试。当然，这次我将其设置为“高努力”模式，这是在DeepSwap基准图表中性能最高的选项。我还开启了快速模式，因为对于这个测试来说这样更合理。它运行了18分钟，我要说的是汽车被移动了很多次。它侧翻、被移得很远。令我印象深刻的是，每次汽车被移动时，机械臂都能很好地调整到其位置。因此，它在利用手臂导航接近汽车方面做得非常好。

不幸的是，在大约18分半钟时，我出去了一秒钟，回到房间时发现机械臂处于完全垂直的位置并停住了。我去查看了它的消息，它基本上放弃了。我不会因此批评它，因为虽然Claude的结果在Sonnet 5.5上成功完成了任务，但完成得很糟糕。它的动作具有破坏性，能成功纯粹是运气。这次的结果更加细腻，动作更好、更具建设性，尽管它几次将自己稍微抬离了桌面，但总体而言它选择了放弃。这当然算是测试失败，但它知道“我做不到”并选择停止，这一点值得尊重，而不是像昨天那样在桌子上爬行抓取汽车。

接下来我们要进行地铁FPS测试。这是那个经过微调的提示词版本，敌人不再由火车运送，而是我们在清除一波敌人后必须登上火车，从而到达下一站。这也是一个建议带来的改进，这让测试和游玩变得更有趣，因为我们可以进入火车并乘坐一段时间。让我们看看结果如何。在不到46分钟后，我们收到了地铁测试的结果。我刚才告诉它我需要它在本地运行，而不是在某个ChatGPT网站上，因为这样我在未登录账号的情况下更容易用Chrome打开它。让我们来看看。从第一眼看上去，图形表现相当不错。

是的，我很喜欢目前看到的一切。我们来探索一下看看湿地板的反射效果，地板似乎是永久湿润的。我想这也可以接受。做得很好。右键点击场景。好的，我们有声音了。让我调大音量。让我们检查一下我们的霰弹枪。哦，记得这是……让我们看看这些敌人。一点也不差。这就是我们需要上车前往下一站的环节。好的，火车来了。通常在这些模型的结果中，当火车出现时……到目前为止这非常好。看看那节弯曲的车厢部分，做得很好。我喜欢目前看到的一切。这绝对符合我对这一测试的预期。火车确实有一些动态效果，然而……

使用 Sonnet 时，这些细节表现不佳，因此真实感很差。不，我开玩笑的。好了，让我们看看环境中是否有弹孔？我忘了检查。是的，有。很好。火车的前部看起来也不错。我们可以进入任何车厢，走到打开的车门前，按 E 键上车。哦，原来如此。只有中间那节车厢是可以进入的。

不错。我可能应该重新加载一下，对吧？好了，E 键是离开火车的按钮。哦，原来如此。它自动帮我们完成了这个操作。七个敌对目标继续移动。火车只是从车站退了出来，这点我并不太喜欢。这有点像在 GTA 克隆游戏中警车直接压在你身上一样。

这一切都很干净利落。我的意思是，好吧，我们再试一次看看结果如何。

所有的车站基本上都是一样的，这也就那样吧。现在我们面对的是一个更大的敌人，就是那个家伙。好了，让我们看看如果我们输了会发生什么。“好吧，你坚持到了这里。做得不错。”这实际上完成得相当好。我认为我对这个结果没有真正的抱怨。它很称职，干净利落，并且正确地遵循了指令。此外，它在 46 分钟内完成得相当快。所以，我对这个结果感到满意。

接下来，我想做一个我们很久没有进行的测试：重现《宋飞正传》（Seinfeld）中的公寓。我稍微修改了这个提示词，因为它不再指定必须使用 3JS（因为该系统有 Blender）。到目前为止，我认为我得到的最好结果实际上来自 GPT-5.5 在 CodeEx 中生成的版本，那是因为我们不得不把它做成一个格斗游戏，结果简直太棒了。玩起来很有趣。然而，没有哪个模型能像现实生活中那样准确地标记出布局。因此，它们经常制作出看起来很棒的场景，但与照片中显示的布局以及至少通过观看剧集所评估的布局相去甚远。所以，让我们看看这个模型的表现如何。

我确实认为，仅基于对该模型的初步观察和测试，它的视觉能力可能非常强。现在，除此之外，我还想展示一下我之前提到的那个结果。这是 GPT-5.5 制作的结果，是的，它超级简单，但就像当时发布时那样，你可以玩其他元素，比如摇晃和有趣的效果等。现在回顾起来，这看起来可能相当简单，这很令人惊讶，因为那并不是很久以前的事。当它发布时，人们会说：“哇，这绝对太棒了。”所以，想想那种飞跃的能力。但我只想展示这个结果，因为它随着时间的推移一直是我印象深刻的众多结果之一，被认为是最有趣和最令人兴奋的。这在我的网站 Ultimate Play 上。所以，如果你想去看的话，你可以去看看。我在这方面没有做太多我想做的事，但希望不久之后我会的。那是 2026 年 4 月。我的意思是，那就是六个月前了。四个月前是五个月零六天。

好了。所以在大约 40 分钟左右，我们收到了杰瑞的公寓。我要说，这绝对太棒了。这里的各个元素都完成得异常出色，这代表了我们之前所看到的巨大飞跃。只看一些细节，比如门上的多重锁、一切的整洁度、各个模型，这是一个完成得异常出色的结果。它仍然不完全符合我们观看剧集时的样子，也不完全符合我选择提供给它的参考照片中的样子。话虽如此，仅根据个别细节来判断，它做得非常、非常、非常好。我们甚至在电脑屏幕上有东西。“飞机花生是怎么回事？新材质。”“周四晚上 8:00 开放麦。”它进去并投入了非常令人印象深刻的细节和思考，就像彩蛋一样。我们可以看到窗外有其他建筑物等事物。如果我们单独看这些元素，这只是一个非常令人印象深刻的结果，毕竟可以说只是构建了一处场景。我们有绿色的克莱因自行车（Klein bike）。做得很好，甚至连链条等细节都有。我们可以进入卧室。那里有一个迷你地图。保时捷海报。所以这几乎像是它提取了真实的资产来放置这些海报等，使其与剧中的样子相符。这简直太棒了。

我们有不同地点的预设。所以有办公室、卧室，还有“娃娃屋”模式（就是这种娃娃屋形式）。这是一个非常非常好的结果。没有哪个模型能完全按照我们看到的真实样子来呈现它。然而，这做得真的很不错。我们有场景细节。很酷。而且这里实际上也有用于场景细节的侧向源（sided sources）。我们还有灯光控制。温暖的台灯。“渲染质量平衡。”所以我们可以更改它。当我们看到那里变得简单得多时，我们可以将其设置为“高窗口日光”。所以这应该调整我们在窗户附近看到的内容。哦，原来如此。不，那只是根据从窗户进来的感知日光量来调整灯光。我们还有电视、墙上的一幅棒球框画。

所以在“超”级别上，我运行了与 Sonnet 相同的《RuneScape》2007 提示词，或者可能是我们之前做过的类似提示词。一句话：“我想要一个像素完美的《RuneScape》2007 大交易所 PvP 复制品。”它工作了 19.5 分钟。第一个结果看起来与我们即将看到的几乎一模一样。然而，聊天窗口有点故障，而且视角拉得太远了。所以现在我们有了这个版本，它在我们的电脑上本地运行。看看这个。这基本上就是这里的 UI 元素等一切东西。这些武器、鲨鱼、药水的实际图标，基本上除了这里之外的一切都是真正像素完美的。好吧，至少在那个库存屏幕上是如此。这完成得异常出色。我们可以稍微放大一点。现在，这可能是我在这里最大的抱怨：它仍然有点拉得太远，而且玩家看起来不像应该的那样逼真。然而，它还放入了一些我们习惯看到的 NPC 以及我们可以四处走动的方式。“我们能用小地图移动吗？”“好吧，我们不能。”那么对话气泡会出现吗？遗憾的是不会。

好了。我似乎有点难以尝试攻击别人。“啊。”“哦，原来如此。”我们需要声音。很好。它还制作了一些在这些游戏中相当知名的人物的名字。

好了，然后我们输了。所以让我们看看能不能找个低级别的对手。好吧，看起来好像不太行，不过跑这一局总是很有趣的，可以看看它们的表现如何。这肯定有其受众群体，因为如果你没玩过这个游戏，这可能看起来不太合理。不过总的来说，我认为这是一个相当不错的结果。

我好像无法启用特殊攻击。我们可以移动视角吗？好的，方向键确实可以移动镜头。这就是《RuneScape》在没玩过的人眼里看起来的样子吗？这大概就像我们坐在电脑前，全神贯注地参与玩家对战（PK），而外人从旁边看过来时看到的情景一样。好吧，好了，我们得造成一些伤害了。

加油啊。哦，天哪？我们无法使用特殊攻击。这确实是个大问题。好吧，这太荒谬了。让我们把血量补满，然后解决这家伙吧。好了，是时候坐下了。

天哪。是的，GF（Good Fight）。哦，它自动说了一些客套话，这显然与实际情况不符。然后我们得到了一些模拟的战利品。好吧，总的来说那确实……哦，“V”代表复仇（Vengeance）。好了，稍等一下。我打算试一下别的方法。好吧，不错。有意思。总的来说做得很好。啊，好的。我们可以把它全屏显示出来。嗯……

也许我就只是缩放一下编辑界面吧。不过从UI复刻的角度来看，这做得相当不错。这些元素像素级完美匹配，让我怀疑它是不是直接从某处裁剪下来使用的，因为效果太好了。是的，这些与我们在游戏中看到的一模一样。所以我想它可能就是这么做的的。确实……虽然不是那种方式，但能看到还是很酷的。

最后我做的一件事是在快速模式下以最大努力进行的，耗时约45分钟。我发送了一条后续消息，表示我希望它在本地系统上运行，而不是在ChatGPT网站上。我要求它提供一个Saab 900 Turbo的高精度3D Blender模型，以及一个网页界面，让用户可以在此与车辆的特定部分互动，比如打开引擎盖之类的。

所以我要说这看起来并不完全相同。我选择这款车的原因之一，除了我个人非常喜欢之外，是因为它的形状非常奇特独特。它们就是些怪车。所以更难复刻。它不能简单地使用传统跑车的形状之类的东西。因此，这肯定与实际情况不太一致。然而，其中一些元素或多或少是可以接受的，比如下面那一小块。

此外，前下扰流板的结构实际上比预期的要好。另外，大灯纹理等也不是很糟糕。格栅我们有内饰，也有掀背门和其他一些东西。后面的保险杠对于这些车来说也相当逼真。保险杠上的这些小条纹是该车辆的典型特征，所以看到这点很不错。

好了，我们有自动旋转功能了。让我们打开引擎盖。非常好。现在翼子板不会那样升起，引擎盖是独立的，但考虑到整体情况，发动机模型等细节相当丰富。我们甚至可以看到减震塔座。我们有电池了。不过这些位置不一定正确，比如现实中电池在那边之类的。然而它相当详细，轮毂看起来也非常相似。

到目前为止这很不错，即使不是100%完美。前下窗部分很酷之类的东西。我喜欢看到大灯，不错。然后我们还可以改变颜色。非常好。我最喜欢红色了，所以我们就用这个吧。好了，让我们看看。不错，是手动挡的。

现在内饰在现实中看起来并非如此。但再次强调，就像发动机一样，它组装得很好，做得也很棒。我的意思是这个角度相当不错，我会这么说。内饰看起来也不错。换挡杆、方向盘以及这里的角度实际上有些令人印象深刻。这些通风口也是这辆车具备的部件。

因此，总的来说，虽然这并不是像素级的完美复刻，但这确实是一个值得尊重的尝试。我们还可以查看驾驶座。很酷。这可以用于游戏制作。然后我们可以返回外观视图，并且还有特定视角的预设选项。

所以这只是我想看看的另一件事，基本上是为了测试它的一些3D建模和设计能力等。最后我做的一件事不幸的是没能很好地体现在视频中，那就是我拿了一台旧的Pentium 3笔记本电脑，那是我从跳蚤市场买的一台旧Gateway电脑，可能是MIT的跳蚤市场。

我甚至不记得是多少年前了，我想大概超过10年了。我真的从未使用过它，上面好像装着Red Hat系统。所以我把它通过USB连接插进去说：“好吧，我想让你对这台电脑做点什么。”不幸的是它无法仅通过USB到USB建立通信连接，这并不是这个模型的错。

然后我发现这台笔记本电脑实际上有一个小型网卡，允许它使用以太网线连接。我照做了，我说：“等等，我找到了。”这有点像这些事物在内心独白中的说话方式。“我找到了这个LAN卡。我把以太网线插进去了。”现在链接已连接，你能再检查一次吗？然后它要求提供几样东西。

我还应该提到设置了一个摄像头，所以这实际上可以物理上看到笔记本电脑的屏幕及其显示的内容。所以我将其更改为Daybreak模型，这是一个在网络安全任务等边界方面稍微宽松一点的模型。我没意识到那会将它降级为GPT-6o而不是使用6.1版本。

此外，不幸的是，它无法进入那台仅启动到Red Hat登录界面的笔记本电脑的任何开放端口。实际上它确实进行了检查，而最终的结果是，我需要做一些手动工作，而我原本的希望是如果有一个已建立的链接，它基本上可以施展魔力并完成一些事情，比如在系统上重新安装任何新的操作系统。

所以不幸的是我停止了那个过程。这基本上就是我甚至想到要做这件事的全部原因，因为这个模型在我们进行的视觉任务中不如Sonnet 5.5令人印象深刻。我真的很努力地寻找一些完全不同的、完全非视觉的任务，以查看它在那些方面的表现如何，但这并没有取得很好的效果。

但我想展示它，因为一方面这将有助于我们用于此结论的 whatever 使用情况……

测试，还有两个案例是想展示我确实在努力寻找其他方法来评测这些模型，而不仅仅是像 Blender 这样的单一基准。不过我认为可以争辩说，制作3D模型、游戏等能力确实能反映模型的整体强弱项。因此综上所述，让我们来看看整个测试过程中的使用情况。

今天的全部测试中，我们的用量现在剩余95%。我记得开始时是98%，所以所有这些操作仅消耗了3%的用量。我需要澄清的是，我不确定每月200美元的套餐是否已经实施了减半用量的政策，即该计划的用量将仅为之前的一半。我不确定这一措施是否已生效。

然而，这确实没有消耗太多用量，这点很好。从起始点到最终数值来看，它在令牌效率方面似乎表现不错。我们进行了大量测试，其中一些在“Ultra”模式下进行，很多在“Max”模式下进行。就消耗的用量而言，这算是相当不错的表现。

综上所述，这可能标志着我们对 GPT-6.1 Soul 的首次观察和测试的结束。基于大量的视觉3D任务，我不想对此模型做出非常确定的立场评价，但我会说我没有像希望的那样印象深刻，尤其是在测试了 Sonnet 5.5 之后。

通常来说，Soul（尽管存在时间并不长）本应被视为 Opus 的竞争者。然而，如果 Sonnet 现在与这个模型价格完全相同，并且基于我们今天和昨天在 Sonnet 视频中看到的情况，Soul 产生的结果可能在视觉上不如 Sonnet 那么令人印象深刻。

在 Sonnet 的表现简直让人难以置信之后，很难对 Soul 做出评判，而它的表现或许没那么突出。但它可能在其他未探索的领域具有优势。因此，我将继续在不完全基于游戏、更多基于软件以及物理设备等方面进行测试。

这是我的结束语。总体而言，它表现称职，似乎不消耗太多用量，而且相对便宜。这就是我们首次观察和测试的结论。如果您有任何问题，请随时在评论区留言。感谢观看。