四秒钟。一条黄昏的街道，从人行道上拍摄，建筑向内倾斜——就像你把手机向上倾斜时它们呈现的样子，然后又恢复平直。这是我的照片矫正应用AutoAlign的引导动画。

这座城市是从一个种子程序化生成的：43座塔楼，五种原型，建筑立面是实际幕墙构造（网格背后的玻璃核心，每层楼有带状饰带，每个开间有竖框），亮起的窗户、云朵，以及一个烘焙成关键帧的群集模拟。

成本： 墙面处理2小时12分，API时间52分钟，164次请求，1731行代码，API等效费用29.92美元（订阅制，因此没有额外计费）。

看起来吓人的数字是读取了4070万token的上下文。这并非4070万token的工作量，而是164次请求重复读取了约25万token的对话，其中99%已缓存。导致它膨胀的原因是读取了约15张全分辨率帧来检查输出，因为每一帧都会永久保留在上下文中。

本地渲染耗时两分钟。

想知道你的看法？