Fable 5がプレイ可能な3Dワールドを創出：水中のマンハッタン、生きた絵画、そして63のThree.js実験

はじめに

Fable 5が再び注目を集めている。しかも今回は、小規模なコーディングベンチマークやシンプルなデモページが理由ではない。Arena.aiのPeter Gostev氏が、Fable 5によって生成された高難度の3Dワールド63本を紹介する動画を公開した。その大半はThree.js風のインタラクティブ環境として構築されており、多くは初回生成の段階でそのまま動作していた。

作例は、川でサケを捕まえるクマから、水中のマンハッタン、歩いて回れるゴッホの『星月夜』、不可能な極小スケール視点、さらには大規模なプロシージャル都市シーンまで多岐にわたる。これらのデモが興味深いのは、見た目が優れているからだけではない。単一の生成ワールドの中に、視覚構造、コード、インタラクション、アニメーション、そして環境ロジックが組み合わされている点にある。

出典注記： 本記事は、元のBAAI／智源コミュニティの記事「1600代码造出水下曼哈顿，Fable 5让Karpathy看呆了」をもとに、英語でそのまま掲載可能な形へ書き直したものです。元記事では、内容の出典は新智元／WeChatであると記載されています。画像の著作権は引き続き各元の権利者に帰属します。QRコード、プラットフォームのアイコン、宣伝用ブロック、装飾素材と明らかに分かる画像は削除しています。

コード注記： 元記事では、生成されたHTML／Three.jsコードや公開プロンプト集について触れられていますが、記事本文には完全なソースコードの掲載はありません。そのため、ここではコードブロックを新たに作成していません。

クマとサケにKarpathyも驚いた

最も印象的なクリップの1つでは、クマが川辺に立ち、跳ね上がったサケを捕まえる様子が映されている。魚は捕まったあと、ただその場で静止するわけではない。もがき、動き、その場面に静的な3Dオブジェクトではなく、小さな物理的ストーリーのような感触を与えている。

このディテールはAndrej Karpathyの目を引いた。彼は反応の中で、いまやモデルが、コードと知識が融合した、豊かでプレイ可能なワールドを作れるようになっていることを、自分は完全には認識していなかったと述べた。このクリップによって議論は「AIはきれいな画像を作れるのか？」という段階を超え、より深い問いへと進んだ。つまり、モデルはどれほどの世界理解を、実行可能なジオメトリ、動き、インタラクションへと変換できるのか、ということだ。

Karpathyはまた、Fable風の環境をさらに高いレベルへ押し上げていく感覚を表す言葉として「fablemaxxing」という表現も使った。要点は、単に1つのシーンが印象的だったということではない。新しいモデル階層が登場するたびに、それはさらに一歩先へ進めるということなのだ。

予想外の質的飛躍を明らかにする。

1,600行のコード：生きている水中マンハッタン

Gostev の動画で特に目立つ例は、マンハッタンの水中版です。このシーンでは、バッテリーからインウッドまで島全体が描かれ、セントラルパーク、摩天楼、道路構造、橋、そして密集した建物のシルエットが、探索可能なひとつの世界に詰め込まれています。

このデモをとりわけ印象的なものにしているのは、そのスケールです。元のレポートによれば、Gostev は生成されたソースを確認し、シーン全体が約1,600行のコードで支えられていることを見出しました。もちろん、それは完全な本番用パイプラインではありませんが、構造とディテールを備えた、生きている水中都市という印象を生み出すには十分です。

重要なのは、モデルが完璧な地図を再現したということではありません。より強いシグナルは、それが一貫した空間システムを生成したことです。すなわち、都市スケールのレイアウト、ランドマークのようなシルエット、環境のムード、カメラの動き、そして相互に機能する視覚的密度です。

6つのテーマにまたがる63の世界

Gostev の完全なセットには、63個の3D実験が含まれています。元のレポートでは、それらを大きく6つのカテゴリーに分類しており、大規模な世界、プレイ可能なシーン、アートに着想を得た環境、不可能な視点、自然の壮観、そして宇宙的なフィナーレを網羅しています。

セクション	プロンプト範囲	件数
大規模3Dワールド	1–30	30
プレイ可能でゲーム風のシーン	31–42	12
生きたアートワールド	43–49	7
不可能な視点	50–52	3
自然の壮観	53–59	7
元素と宇宙のフィナーレ	60–63	4

大規模ワールドの例には、ヨーロッパとアジアにまたがるイスタンブール、2,000年にわたるロンドン、ピラミッド、噴火の最中のポンペイ、そしてゴールデンゲートブリッジを流れる交通が含まれます。これらは小さなヒーローイメージではありません。認識可能な場所や歴史的背景を、探索可能な手続き生成シーンへと変換しようとする試みなのです。

下部には「this is looking like completely exceptional」および「これはまさに並外れているように見える」という英中字幕が表示されている。](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/e6fa9c81-6c69-4613-875a-a3cc0be51aca-07-c486cac4-2461-4856-8344-e0ab3e1964ca.png)

別のグループは、ファンタジー性とスペクタクルを前面に押し出している。たとえば、チョコレート工場のような世界の中にある食べられる王国があり、キャンディでできた建造物や橋、庭園、装飾的なシステムで満たされている。

プレイ可能なカテゴリーには、ニューヨークでの屋上パルクール、街を分解できる物理プレイグラウンド、コックピット風の操作を備えたフライトシミュレーションといったシーンが含まれる。これらのシーンは、完成度の高いゲームとして説明されているわけではない。むしろ、モデルがどれほど素早く視覚的ロジック、操作系、環境の挙動を組み立てられるかを示すインタラクティブなプロトタイプとして理解するほうが適切である。

生きたアートの世界：絵画が場所になるとき

最も興味深い例のいくつかは、有名な絵画をもとにしている。ゴッホの『星月夜』のような絵を3Dに変換するのは容易ではない。なぜなら、モデルは単に平面的な画像をコピーすればよいわけではないからだ。筆致、渦巻く形態、色彩のリズム、空間的な奥行きを、鑑賞者がその中を移動できるオブジェクトとして再解釈しなければならない。

Fable 5の例では、絵画は線や曲線、アニメーション化された空間構造へと分解されている。鑑賞者はキャンバスを見るのではなく、その場面の渦の中へと入り込んでいく。モネの睡蓮や、北斎風の波のイメージについても、同様の実験が示された。

ここで、モデルによる「構築を通じた説明」が目に見える形になる。単に芸術の絵を生成しているのではない。ナビゲート可能な世界として再構築されたなら、その芸術がどのように振る舞うかを記述しようとしているのだ。

不可能な視点と自然のスペクタクル

別のグループは、人間が通常は体験できない視点に焦点を当てている。ある例では、視聴者はアリの大きさのスケールに置かれ、豪雨の最中の庭を見上げる。草は建築物となり、水滴は落下する水の塊となる。ありふれた庭が、巨大な風景へと変わる。

自然のスペクタクルのセットには、ナイアガラの滝、森の中で同期して光るホタル、サケを捕まえるクマなどが含まれる。最後のカテゴリーは、元素的・宇宙的なイメージへと進み、分かたれた紅海、形成されつつある火山島、そして空へ伸びる宇宙エレベーターなどが含まれる。

これらの例が重要なのは、表面的なスタイル以上のものを試しているからである。モデルは、スケール、動き、カメラの挙動、ライティング、反復されるオブジェクト、そしてインタラクションを協調させなければならない。より弱いモデルでは、最初の80％までは完了できても、その先が難しい。

そして最後の20%で破綻し、人間は作ることよりもデバッグに多くの時間を費やすことになる。

それは魔法ではなかった――長い仕様書、丁寧なプロンプト、そして多少の反復

元のレポートが明確にしている重要な点が一つある。これらの世界は、短い一文から生み出されたものではなかった。Gostevは、長く詳細な仕様書スタイルのプロンプトを使っていた。多くのデモは一回で生成されたとされるが、中には一、二回のブラッシュアップが必要だったものもあった。

この違いは重要だ。ブレークスルーとは、「曖昧な一文を書けば完璧な3D世界が手に入る」ということではない。より現実的な教訓は、詳細な仕様によって、以前よりはるかに完成度の高い初稿を作れるようになった、ということだ。以前なら何度もの修正が必要だったものが、今では動作する単一のHTMLファイルとして出発できるかもしれない。

公開されているプロンプト集からも、こうしたプロンプトがどれほど要求水準の高いものかが分かる。そこでは、カメラの挙動、ライティング、オブジェクト密度、パフォーマンス制約、手続き型生成のルール、インポート要件などが記述されている。言い換えれば、そのプロンプトは気軽なチャットメッセージというより、デザインブリーフと技術仕様書を合わせたものに近い。

弱点：ゲーム、バグ、そしてモデルの怠慢さ

Gostevは、このセットを完璧なものとして提示したわけではなかった。元のレポートによれば、最終的な63例は、より大きなバッチから選ばれたものであり、目に見えて壊れた出力は除外されていた。これは探索的なAI研究では普通のことだが、期待値を現実的に保つうえで重要である。

ゲームは比較的弱い領域のようだ。プレイ可能なシーンの中には、最初は印象的に見えても、短時間で浅さが目立ってくるものもある。ある歴史シーンは、あまりに漫画的に感じられると評された。これは、Fable 5が豊かなビジュアルプロトタイプの構築には強い一方で、より深いゲームメカニクス、長期的な没入感、そして製品レベルの洗練は、依然として別個の課題であることを示している。

もう一つ興味深い観察として、モデルは強く促されない限り、ときに力を出し切れないように見えることがある。Gostevは、より大胆にするよう求める必要があったと述べている。これは、実践的なプロンプトの教訓を示唆している。つまり、高度な生成コーディングでは、シーンにより多くの複雑性の予算を割くことを、モデルに明示的に許可する必要があることが多いのだ。

Agent Arenaと現実世界のタスク完了

Fable 5が公開された際、Arena.aiのAgent Arenaリーダーボードで高い成績を示したと報告されている。Arena.aiはこのリーダーボードを、現実世界のエージェント的タスクにおいて、モデルがどれだけうまくツールを統率できるかを示す動的ランキングだと説明しており、タスク完了、ツールの信頼性、操作可能性、bashからの回復、ツールに関するハルシネーションといった指標を用いている。

この文脈は、なぜこれらの3D世界が注目を集めたのかを理解する助けになる。これらは単なる創造的デモではない。エージェント的コーディングに対するストレステストとしても機能しているのだ。つまり、モデルはシーンを計画し、コードを書き、ライブラリを正しく使い、エラーから回復し、パフォーマンスを維持し、検証できるだけの十分なインタラクティブ性を備えたものを作り出せるのか、ということである。

なぜこの探求が重要なのか

クマとサケの瞬間は、より大きな問いを投げかける。もしモデルがインターネットから学習したのだとすれば、捕まえられた魚がもがくべきだと、どうやって知っているのだろうか。さらに重要なのは、そのような常識的理解を、どうやって座標、メッシュ、変換、アニメーションのタイミング、そして小さな環境ストーリーへと変換しているのかという点だ。

この問いは、AIが見栄えのよいものを作れるかどうかということ以上に、今や興味深いものになっている。

静止画像。最前線は、実行可能な世界へと移りつつある。つまり、入り込み、調べ、変更し、プロトタイプとして使える環境だ。

Gostevのより広いメッセージはシンプルだ。今日のモデルを、6か月前にモデルができなかったことを基準に判断してはならない。たとえ3Dワールドがあなた自身のユースケースでなくても、同じパターンが別の分野にも当てはまるかもしれない。以前は手が届かなかった何らかのタスクが、今ではもう一度試してみる価値のあるものになっている可能性がある。

FAQ

Fable 5とは何ですか？

Fable 5は、元のレポートでは、高度なエージェント型コーディングや3D生成の実験に使われたAnthropicのClaudeファミリーのモデルとして取り上げられている。ここで扱う例では、詳細なプロンプトからインタラクティブなThree.js風ワールドを生成するために使用された。

Fable 5は本当にわずか1,600行のコードで水中のマンハッタンを作ったのですか？

元のレポートによると、Peter Gostevは水中マンハッタンのデモ用に生成されたコードを確認し、およそ1,600行であることを確認した。もちろん、それは本番運用可能なマンハッタンのデジタルツインを意味するわけではないが、コンパクトな生成プロトタイプの中に、どれほど多くの視覚的・空間的複雑さを収められるかを示している。

これらのFable 5のワールドはThree.jsで作られているのですか？

記事で説明されているデモの多くは、Three.js風の3D環境として提示されている。Three.jsは、ブラウザ内で3Dシーンを作成するためのJavaScriptライブラリであり、単一ファイルのインタラクティブなデモに自然によく適している。

Fable 5は完成したゲームを作れますか？

これらのデモは、Fable 5がプレイ可能でゲームらしいシーンを作れることを示しているが、記事では同時に、ゲームは依然として弱い分野だとも指摘している。出力はプロトタイプとしては印象的になり得るものの、より深いゲームプレイ、調整、パフォーマンスの安定性、リプレイ価値には、なお人間による設計とエンジニアリングが必要である。

なぜこれらの例では長いプロンプトが重要なのですか？

最も優れた例は、曖昧な一行のプロンプトから作られたものではなかった。シーン構造、カメラ操作、ライティング、オブジェクトの挙動、パフォーマンス制約、インタラクションのルールを含む長い仕様が使われていた。そのため、プロンプトは技術設計書により近いものになっている。

Agent Arenaとは何ですか？

Agent Arenaは、現実世界のエージェント型タスクをモデルがどれだけうまく完了できるかを評価するためのArena.aiのリーダーボードである。タスク完了、ツールの信頼性、制御可能性、bashからの回復、ツールのハルシネーションといった指標を見ており、これらはテキストの質問に答えるだけでなくツールを使う必要があるコーディングエージェントにとって重要である。

画像の例は本番用アセットですか？

いいえ。むしろ、実験やプロトタイプとして理解するのが適切である。これらは、モデルが何を素早く生成できるかを示しているが、本番利用には依然としてコードレビュー、アセットの整理、パフォーマンステスト、ライセンス確認、デザインの洗練が必要である。

関連ツール

• Claude Code: コードベースの読み取り、ファイル編集、テスト実行、開発タスクの完了を行うAnthropicのエージェント型コーディングシステム。
• Claude Platform Docs: Anthropicモデルを使ったアプリケーション構築のための公式Claude APIドキュメント。
• Three.js: WebGLおよびWebGPUをサポートし、ブラウザベースの3Dシーンを構築するためのJavaScript 3Dライブラリ。
• Three.js Documentation: 公式

Three.js のクラス、オブジェクト、マテリアル、アニメーション、レンダリング API のリファレンス。

• Arena.ai Agent Arena: 現実世界のツール利用タスクにおけるエージェント型モデルの性能を比較するためのリーダーボード。
• 3D Prompt Collection: Peter Gostev による、複製・再利用・学習のために公開されている 3D プロンプト集。

関連リンク

• Original BAAI / Zhiyuan Article: この英語版リライトの元になった中国語の原文レポート。
• Peter Gostev’s 3D Prompt Collection: 記事で参照されているプロンプト集を収録した GitHub リポジトリ。
• Raw Prompt JSON: このコレクションの元になっている公開プロンプトデータを直接閲覧できる JSON。
• Karpathy’s X Post: 原文記事内で参照されている X 投稿。
• Peter Gostev’s Video: 63 個の 3D ワールド例の出典として参照されている YouTube 動画。
• Arena.ai Agent Leaderboard: エージェント型タスク性能に関する Arena.ai の公開ランキングページ。
• Three.js Manual: ブラウザベースの 3D シーン作成を学ぶための、初心者にも分かりやすい公式教材。
• Three.js GitHub Repository: Three.js JavaScript 3D ライブラリの公式ソースリポジトリ。

ソースに関する注記

• 原文記事には Peter Gostev のデモからのスクリーンショットや動画の静止画が含まれている。関連するスクリーンショットは、それぞれ対応する節の近くに残した。
• QR コード、アカウントのフォロー促進文、プラットフォームのアイコン、宣伝用画像は削除した。
• アートワールドおよび元素／宇宙セクション周辺の 2 枚の元画像は、処理中に fetch ツールで確実にプレビューできなかったため、判読不能または誤認されたメディアを挿入するのを避けるため、ここには埋め込んでいない。
• 原文記事には「内容中包含的图片若涉及版权问题，请及时与我们联系删除」とある。再掲載時にはこの権利に関する注記を保持すべきである。

要約

この記事は、なぜ Fable 5 の 3D ワールドデモが注目を集めたのかを説明している。それらは、コード生成、空間推論、アニメーション、インタラクション、ビジュアルストーリーテリングを組み合わせ、静的なメディアを作るというより、小さな実行可能ワールドを構築しているかのように感じられるためである。

特に印象的な例として、水中のマンハッタン、サケを捕るクマ、歩き回れる絵画風の世界、不可能な極小スケールのシーン、大規模なプロシージャル都市環境などが挙げられる。一方で、原文レポートは、これらが手間なく一行で生成されたものではないことも明確にしている。長いプロンプト、出力の選別、そしてある程度の反復が必要だった。

開発者やクリエイターにとっての実践的な教訓はシンプルだ。詳細な仕様は、今やこれまで以上に重要である。優れたモデルは、よく書かれた技術的プロンプトを、従来世代のツールよりも速く動作するプロトタイプへと変換できる。

Fable 5 は完成された 3D 制作パイプラインではないが、エージェント型コーディングモデルが、想像をインタラクティブで検証可能な世界へと変える能力を大きく高めつつあることを示している。