通常说“AI 运行 Doom”，你可能会以为模型看过大量游戏画面，再学着猜下一帧。这次恰恰没有训练。作者 notforrob 写了一个名为 torchwright 的编译器，把 Doom 的实际渲染算法转换成 Transformer 权重——也就是网络内部用于计算的参数。每个权重都由程序算出，没有一个来自学习。
这里的 Transformer——大语言模型常用的神经网络架构——更像一台被重新布线的计算机。输入提示包含关卡几何、玩家位置和视线方向，模型随后输出绘图命令，再由一段 43 行的宿主程序转成像素。它采用现成的 Phi3ForCausalLM 架构，权重文件也能用常规模型工具加载。换句话说，这不是模型“理解”了 Doom，而是确定性的渲染程序换了一种载体。
代价相当直观：320×200 版本有 210 亿参数，占 85.87 GB；生成一帧需要读取 3,614 个 token——模型处理信息的基本单位——再输出 53,747 个 token，在 B200 GPU 上也要近 40 分钟。作者还发布了较小的 80×50 版本，但称目前权重必须使用 fp32 精度，尚未研究量化压缩。它离实用很远，却清楚展示了一件事：神经网络不只可以靠训练获得能力，也可以直接承载一段确定性程序。