Fable 5.1 重塑「世界模型」定義：用 Claude agent swarm 生成可執行的 Three.js 真實城市

編按：本文綜合整理自 PhiloLabs/fable51-worlds GitHub Repo、Claude Fable 5.1 官方頁面、Hacker News 討論串，並加入 Siami 編輯部觀點與分析。

Anthropic 旗下的 Claude Fable 5.1 agent swarm，近日交出首份「世界模型」演示作品——完整重建舊金山聯合廣場（Union Square）方圓數個街區，包含 Apple 與 Nintendo 兩棟內部可逛的場景，全棧由程式碼自動生成、可在瀏覽器即時運行。這個專案於 9 月 2 日登上 Hacker News 即時榜第一，截至發稿累積 167 個 upvote、超過 56 則討論，把同期的 Google 反壟斷案、NYC 學校 AI 禁令都擠到後頭。

什麼是 Fable 5.1 World Modeling

Fable 5.1 World Modeling 是 Anthropic 旗下 Claude Fable 5.1 系列的多 agent 協作系統，目標是用程式碼自動產出可在瀏覽器運行的真實世界 3D 重建。PhiloLabs 在 GitHub 公開整個 pipeline，從研究、素材生成到 QA 校稿全部開源（MIT 授權）。

第一個公開作品「Union Square, San Francisco」覆蓋 Powell、Geary、Post、Stockton 四大街區的真實地理資料，包含 453 棟 OSM 建築底圖、75 棟手作立面、129 家具名店家、220 個行人在 1,398 個節點的導航網格上行走，加上 109 輛車（含纜車）、日夜三種光照模式。兩棟內部可逛空間——Apple Union Square（300 Post St）與 Nintendo SAN FRANCISCO（331 Powell St）——共有 23 個可互動物件。

整個 demo 用 Three.js 寫成、可用 npm run dev 跑，不需要遊戲引擎、不依賴任何專屬 3D tiles。每一棟建築、每一個招牌、紅綠燈、路樹都是「從開放資料與公開參考圖，透過寫程式碼的方式產出」。

怎麼做的：四階段 pipeline

每一個世界都遵循相同的四階段流程，每一步都公開在 repo 中：

1. 偵察階段（Reconnaissance）：平行 research agents 從 OpenStreetMap 抓幾何資料、USGS 拿高程、大眾運輸規格、店家普查；每個事實附引用來源與信心等級。
2. 離線素材生成（Offline asset generation）：以 Blender 當函式庫（bpy）批次輸出最佳化的 GLB kits，包含立面模組、街具、車輛、植栽、零售家具、行人身體部位等。
3. 執行環境（Runtime）：純 Three.js app 從 JSON specs 組裝地形、街道、立面、道具、人群與車流。
4. 比對品管（Camera-match QA）：Playwright 駛入真實 app、固定拍照點截圖，再用免費授權的實景照片做比對；獨立 reviewer agents（建築師、地理學家、技術美術、互動設計）寫報告，進入下一輪修正循環。

整個 pipeline 內建 34 個相機校對視角、147 份比對表、9 份獨立 reviewer reports。「可重現、可審核」是這個專案與一般 AI demo 最大差異。

Fable 5.1 扮演的角色

Fable 5.1 是 Anthropic 內部用於多步 agent 協作的系統，特色是把研究、生成、品管分工給多個 agent，靠 consensus 機制收斂到可驗證的成果。相較於單 agent 一次性吐程式碼，Fable 5.1 的產出可控性更高，但成本也明顯增加。PhiloLabs 未公開具體成本資料，HN 用戶 @kodefreeze 用 Opus 5 做類似任務指出「Opus 5 效果一樣好、更便宜」，但承認高模需要 retopo 才能變遊戲用 asset。

為什麼這件事重要：世界模型的定義之爭

「世界模型（world model）」這個詞在 2025–2026 年的 AI 圈是兵家必爭之地。從 Wayve、WAIR 到 NVIDIA Cosmos，各家都在定義什麼算世界模型。Fable 5.1 把答案攤開來：它不是單純的影片生成，也不是一個純圖像模型——它是一個「可在瀏覽器即時互動、地理精確、可審核」的世界重建。

HN 用戶 @jaybuff 直接說：「這跟我聽到『世界模型』時預期的不一樣！」@WordNotSee 則從技術定義切入：所謂世界模型應該蘊含更多深度，這其實更像「POV image model」或「第一人稱視角 model」。

但 Fable 5.1 的關鍵是可執行：你不只是看一段影片，而是真的能走進 Apple Union Square、進到 Nintendo 地下室、推一推展示架。這把『世界模型』從『幻覺式生成』拉回『可程式化實體』的範疇。

這對遊戲、城市規劃、自駕訓練、自動導航、虛擬觀光等產業都有直接意義——當世界不再是「生成一段影片」，而是「生成一份可執行的程式碼」，整套下游應用的成本結構會重新洗牌。

數據解讀：這個 demo 真的能用嗎？

從 PhiloLabs 公開的數據來看，這個專案達成的「誠實指標」相當具體：

• 覆蓋面積：Powell / Geary / Post / Stockton 四大街區，真實街廓與地形
• 店家精細度：129 家具名店家（包含 Apple、Nintendo、SAKS、Macy’s 等代表性商家）
• 行人/車流密度：220 個行人在 1,398 節點的導航網格、109 輛車含 Powell St 纜車
• 可互動內裝：Apple + Nintendo 兩棟共 23 個互動物件
• QA 強度：34 個相機校對視角、147 份比對表、9 份獨立 reviewer reports
• 授權：MIT 開放源碼（含生成的素材）；幾何資料衍生自 OSM（ODbL）、USGS 3DEP（public domain）

但要注意幾個還沒驗證的面向：

• 未公開成本：沒有 token 數、花費金額、運算時數。對想複製的開發者來說是最大黑箱。
• 未公開失敗率：多少比例的店家內裝是要人工介入修改的？需要 babysitting 嗎？
• 擴展性未驗證：4 個街區的 Union Square 已經很漂亮，但「更多城市」「整個國家」「整個地球」的擴展性還沒人試過。

@avdelazeri 的批評很到位：「我希望你們能多透露一些資訊，特別是時間、成本、可靠度（失敗率多少？需要人工監督嗎？），這些對評估可行性至關重要。」

與主流世界模型路線的差異

Fable 5.1 切入的是中間最稀缺的一塊：既像遊戲引擎那樣可即時互動、又像開源程式碼那樣可審查可修改。不依賴神經輻射場的隱式表示、不依賴商業 3D tiles 授權——每一行程式碼都在 repo 裡。

還有更多世界即將釋出

PhiloLabs 在 README 直接寫下「More worlds coming.」，但未透露下個目標地點。從程式碼結構看，pipeline 是 template 化的，任何 OSM 資料豐富的城市理論上都能套用。紐約、東京、台北、香港這些 OSM 覆蓋完整的城市，都是合理候選。

從 Siami 編輯部角度觀察，這個專案驗證了一件事：「世界模型」的價值不在能不能產生擬真影像，而在能不能變成「可被工程師修改、可被玩家遊玩、可被研究者審核」的程式碼。一旦這個成本結構被打通，後續衍生應用（教育訓練、城市規劃模擬、AR 導航）會出現大量二創。

編按：本文綜合整理自 PhiloLabs/fable51-worlds GitHub Repo、Claude Fable 5.1 官方頁面、Hacker News 討論串，並加入 Siami 編輯部觀點與分析。