1.4M 的纯 HTML 游戏画出接近 3A 的画面,其中约 700KB 是 Three.js,剩下全是代码现场生成的模型、雨和音效,没有一张图片、一段录音,这才是整个 3D 世界能塞进一个文件的原因。

你要说上周用AI来做东西,最火的玩法是啥,那必然逃不过一个东西。
就是用AI搓的纯HTML的3D游戏。

不过呢,最离谱的一个,还是一个在各个群里疯传的究极小的HTML游戏文件,只要1.4M。

你只要下载下来,打开以后,你就会发现,这个画面的效果几乎是媲美很多的3A大作了。

没错,只要1.4M,你就可以玩到这样的游戏demo。
不过这玩意不是原创,是把Anthropic的工程师Felix Rieseberg在Fable 5.2发布的时候他搓的代码,给纯扒下来汉化了一下,其他的原封不动,然后冠名国产3A大作。

不过这种行为我们就不说了,不是今天的重点。
重点还是在于,我们所看到的文件大小,1.4M,因为在这个年代,手机512G都完全不够用、存储都已经比黄金还珍贵、随手一张相片都是十几M的情况下,一个1.4M的纯HTML游戏,下载下来,在浏览器里打开,就是这样的效果。
这其实超出了很多人的认知的。
当时群友很多都在讨论。。。


我就把这个文件代码打开来看了下,果然发现了一个很有趣的老朋友。
Three.js。

这1.4M里,有将近一半,大概700KB,是一个叫Three.js的东西。
剩下的那一半,才是游戏本身。
因为没有用任何外部素材,所有的东西全部是代码直接写的,所以集装箱、吊机、雨、枪、光影、音效啥的,全都在剩下的700K里,没有一张图片,没有一个模型文件,连声音都是代码现场合成的,没有一段录音。
因为所有的东西都是代码,连模型文件都没有,所以实现了极限压缩。
那我知道大家肯定想问,那Three.js到底是个啥?剩下这些东西,又是怎么塞进去的?我如果想做一个类似的这样的东西,我要怎么做?
为了能让大家更好的理解,所以我们先极其简单的说一下,浏览器到底是怎么画3D的。
很多人可能不知道,你每天用的浏览器,本身就能直接调用显卡渲染3D的,靠的是一套叫WebGL的接口,这其实已经是2011年3月定下来的标准了,后来又有了新一代的WebGPU。
但这套接口,是给专业图形程序员用的,非常的原始非常的难用。
因为写的时候,你得手把手亲自告诉显卡,比如每一个三角形的三个顶点在哪,比如每一个像素的颜色怎么算,又比如光从哪个角度打过来,摄像机的位置和朝向,又要怎么换算成屏幕上的坐标。
究极神经病。
中间哪怕一步写错,你看到的就是一片黑屏,连个正儿八经的报错都没有,所以在在网页3D概念刚出来的那几年里,这一直是一小撮图形开发大佬的专属手艺活,其他的真没几个人能干的了这玩意。
直到,Three.js出现了。

它干的活呢,就是把那些乱七八糟的东西,帮你封装成一个库,你不用再写之前给显卡直接看的那些神级代码了,你可以用一种极其简单的语言,来去在网页中创作3D。
你可以简单的理解成,它有点像网页上的一个轻量版游戏引擎。
做这个东西的人,叫Ricardo Cabello,一个西班牙程序员,网名Mr.doob。
2010年4月24号,他把Three.js的第一个版本传到了GitHub上。

十六年下来,这个项目在GitHub上攒了11.7万个Star、两千多个贡献者,基本成了网页3D的事实标准。
这1.4M里的那七百KB,就是把整个Three.js原样打包进了文件里。
那剩下的一半,凭啥能装下一整个游戏的demo呢。
答案是,这些东西,根本就没有被存在文件里,这是一个很有趣的思路。
我简单举个例子。
假设你要给朋友描述一个人。
一种办法,是拍张照片发过去,照片里每一个像素的颜色,你就都存在文件里,一模一样,所以照片极大。
另一种办法,你直接给朋友发一条微信,说:“一个很帅的男人,头发中分,左右各一半,刘海梳得特别顺,穿一身背带裤,两根带子挂在肩上,手里拍着一个篮球。他先对着镜头自我介绍,说自己练习时长两年半,爱好是唱、跳、rap、篮球。”
朋友看着这条微信,不用你发一张图,自己绝逼就能把这个人直接渲染出来。
第一个方式,可能是10M的大小,而第二种方式,可能只有1k不到,这就是差距,可能差了几万倍,但是对于最后的终点来说,传达的信息,是差不多的。
所以呢,你的文件里存的其实并不是集装箱长啥样子,本质上是一段告诉浏览器怎么生成这些集装箱的代码,雨也一样,存的不是雨,是雨点从哪落、落多快的规则,贴图、声音,全是这个套路。

所以你会发现,你第一次打开游戏的时候,有这个东西。
这套做法,有个专门的名字,叫程序化生成。
所以硬要用一个比喻的话,就是你打开的那个HTML文件,其实是一份菜谱,不是一盘已经做好的菜。
真正的菜,是你打开网页的那几秒钟里,你自己电脑的显卡,现场直接给你炒出来的,显卡现炒,匠心制作。
这也是为什么这类网页打开的时候,经常要等几秒,有的电脑风扇还会呼呼转一下,那几秒,就是显卡在给你生成整个世界。
当然,1.4M还不是最小的,如果你还想往下压,也可以。
比如这个很屌的水世界。

一共97K,纯HTML,直接连Three.js都没有,直接Claude Fable 5.2手搓源码,直接用WebGPU渲染。
过于吓人了。
感觉已经很久没有多少人在乎大小了,在现在动不动一个APP可能1、2个G的情况下,在AI的加持下,居然开始有人回到了很久以前,玩极限压缩的挑战。
而且,这种能力,现在因为AI,开始属于每一个人。
AI让HTML再次伟大。
那简单的教大家一下怎么生成一些有趣的3D网页。
首先肯定是模型,王中王自然是Claude Fable 5.2了,这个在审美上目前是断档领先的,并且在性能上也几乎能压缩到极致。
但很多人肯定没办法用Claude,那其实用Gemini 4 Carbon和GPT-6 Astra也能跑,DeepSeek V4.1 Flash的效果也还凑合,只不过改起来就要费点心了,肯定没有Claude Fable 5.2那么省心直出。
然后Prompt其实也非常简单,大白话就可以了,为了效果起见,我的建议还是尽量调用Three.js,没事别为了极限压缩去挑战地狱难度,Claude Fable 5.2可以,不代表其他模型也可以…
所以我简单搞了一个模板。
帮我做一个单文件的HTML网页,用Three.js实现一个可以自由浏览的3D场景。
场景是:【你想要的画面,越具体越好。比如:重庆洪崖洞的夜景,层层叠叠的吊脚楼亮着暖黄色的灯,前面是嘉陵江,江上有游船,旁边是千厮门大桥,远处是城市的楼群】
要求:
1.所有模型和贴图都用代码生成,不要引用任何外部的图片和模型文件。
2.支持鼠标拖动旋转视角、滚轮缩放。
3.画面要有氛围感,重点处理光照、雾气和色调。
4.在普通的笔记本上也要流畅,加载的时候显示进度。
5.主要物体,都做成独立的组件,方便我后面单独修改。
里面最重要的是第1条,不要用任何外部的图片或者模型文件,这样方便,体积也小。
第5条是个小技巧,尽可能解耦,一开始就拆成独立组件,这样后面想把某栋楼改高一点、把桥换个颜色,就不会牵一发而动全身。
这是我们简单的用类似的提示词,让GPT-6 Astra跑出来的洪崖洞。

洪崖洞层层叠叠的吊脚楼、旁边的千厮门大桥、前面的嘉陵江和游船,还有背后的城市楼群,基本都被搭了出来。
而Three.js的能力其实有很多,你也可以用它,来搞交互。
比如我有又随手用它做了一个3D的可以玩的魔方。

你也可以用它,来做动画,比如这两天X上爆火的一个90秒的片子。

完全由Three.js生成,我一定要让大家看一下这个效果。
虽然最后渲染成了一个视频,但是它本质,可是一个HTML哦,而且,是只有2M的HTML哦,打开以后,直接给你实时渲染播片。

我很久没有看到这么让人爽的东西了。
而且,Three.js做流体效果也是一绝。
当然,你觉得纯代码做出来的模型不够精细,特别是人、动物这种曲线多的东西,也可以用Blender、Tripo先把模型做好,再让AI放进网页里。
不过这样体积就会大一点了,但是Three.js也支持这么玩,没有任何问题。
然后很多时候,因为模型的审美和能力确实不够,所以要改很多轮才能效果比较好,那这个时候,我也给大家分享一个我自己常用的一个小方法。
就是直接让模型审自己。
加一句Prompt就行:
每改完一版,用浏览器打开它,从几个固定的角度各截一张图。
再开一个子Agent,只给它看截图,不给它看代码,让它以一个挑剔的美术指导的角度,按严重程度列出画面问题。
你按它的意见改,一直改到它只剩小问题为止。
这样它就会自己去迭代很多轮,然后一直把效果打磨到最优。
大概就是这样。
最后,我知道可能很多人会问,用AI生成这种3D的HTML玩意,有什么用?
说实话,你从商业上来说,可能确实没啥大用。
但这世间所有事情,也都并不是功利的。
它让我看到了一种久违的浪漫。
在很长一段时间里,做出一个逼真的3D世界,那是巨头工作室的特权,是几百人团队熬上几年才能磨出来的艺术品。
你我这样的普通人,脑子即使里有再宏大的山河,也是巧妇难为无米之炊。
但现在,那道高不可攀的墙塌了。
几百K的代码,一个最朴素的浏览器,每个人都能在自己的桌面上,当一回造物主。
这可能,就是技术最迷人的时刻吧。
作者:数字生命卡兹克 公众号:数字生命卡兹克
本文由 @数字生命卡兹克 原创发布于人人都是产品经理。未经作者许可,禁止转载
题图来自Pexels,基于CC0协议


