Chỉ hai ngày sau khi Claude Opus 5 ra mắt, nhà đầu tư AI và cựu CEO HyperWrite Matt Shumer đã đăng một video về một game bắn súng góc nhìn thứ nhất hoàn chỉnh, có thể chơi được, do mô hình này tự xây dựng hoàn toàn.

“Claude Opus 5 đã tạo ra game này một phát ăn ngay,” anh viết, bổ sung rằng không một tài sản bên ngoài nào được sử dụng trong bản dựng.

Bây giờ, bạn có thể nghĩ rằng để có được một đầu ra chất lượng tốt như vậy cần một câu lệnh dài, chi tiết và cẩn thận để hướng dẫn các mô hình AI vượt qua sự phức tạp khi xây dựng một game bắn súng góc nhìn thứ nhất hoàn chỉnh.

Hãy nghĩ lại.

Câu lệnh đứng sau nó chỉ dài ba đoạn ngắn, được công bố đầy đủ trên GitHub. Nó yêu cầu Opus 5 xây dựng một game bắn súng ở cấp độ của các tựa game Call of Duty gần đây nhất, phân chia các tác nhân phụ – những nhân công mà mỗi người có bộ nhớ riêng biệt và một công việc cụ thể – để giải quyết từng phần riêng lẻ, và liên tục lặp lại trên mỗi phần với một nhà phê bình riêng biệt, nghiêm khắc cho đến khi nó đạt chất lượng so với các cảnh quay Call of Duty thực tế trong một bài kiểm tra mù song song. Kết quả, theo câu lệnh, phải là “hoàn hảo tuyệt đối”.

Đó là sự đảo ngược so với cách các kỹ sư nhắc lệnh (prompt engineers) vẫn hướng dẫn mọi người làm việc. Lời khuyên trong thời kỳ bùng nổ của vibe-coding là chỉ định các tiêu chí thay vì tính từ: nói rõ “tốt” nghĩa là gì thay vì chỉ yêu cầu nó. Mã nên xem xét điều gì thay vì nói “AAA.”

Phiên bản của Shumer gần như làm điều ngược lại, yêu cầu các tác nhân phụ của nó phải “hoàn toàn kinh ngạc,” và để định nghĩa thực tế cho một nhà phê bình mà Opus 5 tự xây dựng.

Đó là gần như toàn bộ bản tóm tắt. Shumer sau đó viết rằng anh chưa bao giờ chỉ định công cụ dựng hình, liệt kê các hệ thống của trò chơi, hoặc định nghĩa “chất lượng AAA” cần bao gồm những gì. Anh ấy đã bắt đầu gọi phương pháp này là Vòng lặp Gauntlet: giao cho một tác nhân một mục tiêu thực tế, có thể kiểm tra được thay vì một hướng dẫn mơ hồ, để nó chia nhỏ công việc thành các phần nhỏ, và chuyển từng phần qua một nhà phê bình không bao giờ biết lý do của người xây dựng cho các lựa chọn của mình.

Hai tính năng của Claude Code hỗ trợ vòng lặp đó. Các tác nhân phụ hoạt động trong các cửa sổ ngữ cảnh cô lập với các hướng dẫn và quyền truy cập công cụ riêng, vì vậy một nhà phê bình đánh giá mô hình vũ khí sẽ không thừa hưởng những lời bào chữa của người xây dựng về lý do tại sao nó trông như vậy. Ultracode là một cài đặt của Claude Code đẩy mô hình đến nỗ lực suy luận cao nhất và cho phép nó tự viết kế hoạch điều phối, phân bổ công việc cho tối đa 16 tác nhân cùng lúc, giới hạn ở 1.000 tác nhân mỗi lần chạy.

Kỹ năng /loop tích hợp của Anthropic, được xây dựng cho các chu trình sửa lỗi-kiểm thử-điều chỉnh lặp đi lặp lại, là điều đã ngăn không cho quá trình dừng lại ngay khi trò chơi trông có vẻ ổn. Shumer không bao giờ chỉ định số lượng vòng lặp. Anh ấy để nhà phê bình tiếp tục chỉ ra một lỗ hổng mới và để người xây dựng tiếp tục khắc phục nó trong nhiều giờ trước khi anh ấy tự kết thúc phiên.

Bản dựng hoàn chỉnh chạy trên Three.js và WebGL2 thuần túy, với khoảng 55.000 dòng mã trải rộng trên 11 hệ thống con. Mọi kết cấu, mô hình 3D, hoạt ảnh và âm thanh đều được tạo ra bên trong trình duyệt tại thời điểm tải – không có mô hình, HDRI, tệp hình ảnh hoặc tệp âm thanh nào được tải xuống. Nhật ký đánh giá được xuất bản của Shumer cho thấy điểm số tăng từ 3,59 trên 10 lên chỉ hơn 5, vẫn thấp hơn trò chơi thực tế trong mỗi vòng.

Những người hoài nghi cho rằng có hàng giờ viết mã thủ công ẩn giấu, vì vậy Shumer đã công bố toàn bộ câu lệnh và cơ sở mã. Đó là khi những người bắt chước bắt đầu.

Cùng một thủ thuật, ba người xây dựng khác nhau

James Altucher, cựu quản lý quỹ phòng hộ và người làm podcast, đã chạy câu lệnh y hệt và báo cáo đã dành “hơn mười giờ” và khoảng 1,3 triệu token trên Opus 5 để đạt được điều đó. Bản dựng của anh ấy, Operation Blackout, chơi miễn phí trong trình duyệt và trông rất tuyệt.

Bạn có thể chơi game đó tại đây.

Nhà phát triển của Prompt Silo đã hướng cùng một yêu cầu đến sản phẩm chủ lực cạnh tranh của OpenAI, đăng bài "Sol 5.6 Ultra với cùng câu lệnh" – Sol là cấp cao nhất trong ba mô hình của dòng GPT-5.6 mà OpenAI đã cung cấp rộng rãi vào ngày 9 tháng 7 cùng với các phiên bản Terra và Luna rẻ hơn.

Nhà phát triển Leon Lin đã thử cách ngược lại, sử dụng câu lệnh chi tiết thông thường. Thay vì sao chép phiên bản ngắn của Shumer, anh ấy bắt đầu “đảo ngược kỹ thuật một câu lệnh cho trò chơi này,” tạo ra một tài liệu dài khoảng 20 phần mô tả mọi thứ từ vật lý ragdoll đến bản đồ đổ bóng phân tầng. Anh ấy đã đưa nó vào Cursor bằng cách sử dụng Opus 5 thuần túy với nỗ lực cao, không có tác nhân phụ và không có ultracode, và kết quả – một game bắn súng đường phố tên là Dust Corridor – cũng có thể chơi được trong trình duyệt và trông cũng rất tuyệt.

Không bản dựng tiếp theo nào đối mặt với bài kiểm tra mù mà Shumer đã thực hiện trên dự án của mình. Nhật ký đánh giá của anh ấy vẫn cho thấy Call of Duty thực sự thắng mọi vòng anh ấy đã ghi lại – đó là mục tiêu mà Altucher và Atom Tan Studio đang theo đuổi với câu lệnh ba đoạn chính xác của anh ấy, và là mục tiêu mà Leon Lin đang theo đuổi với khoảng 20 phần riêng của mình.

Phần nào trong số này thực sự mới mẻ?

Các công cụ viết mã tác nhân như Claude Code viết phần mềm theo cách một kỹ sư cấp dưới được giám sát có thể làm: Chúng đọc tệp, chạy mã, xem ảnh chụp màn hình chúng tạo ra và giao các phần công việc cho các tác nhân phụ và nhà phê bình kiểm tra kết quả so với mục tiêu đã nêu. Vòng lặp đó là có thật, và Vòng lặp Gauntlet của Shumer là một cách thực sự để cấu trúc nó. Tuy nhiên, điều đó tự nó không chứng minh rằng mô hình đã thiết kế một trò chơi từ trí tưởng tượng chứ không phải tái kết hợp các mẫu mã mà nó đã hấp thụ.

Three.js cung cấp các điều khiển camera khóa con trỏ của riêng nó như một ví dụ chính thức, và mẫu cơ bản đó – điều khiển camera bằng chuột, di chuyển WASD, dò tia cho tiếng súng – đã được phân nhánh và hướng dẫn trên GitHub, gists và các diễn đàn phát triển trong hơn một thập kỷ. Một mô hình mã hóa được huấn luyện trên các kho lưu trữ công khai gần như chắc chắn đã thấy hàng trăm nếu không phải hàng nghìn game bắn súng gần như giống hệt nhau trước khi nó đọc câu lệnh của Shumer.

Điều đó không làm cho Claude of Duty trở nên giả mạo, nhưng nó khiến tuyên bố “được xây dựng từ đầu” trở nên khó tin cậy hoàn toàn hơn, vì vậy hãy xem xét những kết quả đó với một chút hoài nghi.

Các nhà nghiên cứu nghiên cứu các mô hình tạo mã có một cái tên cho vấn đề rộng lớn hơn: ô nhiễm dữ liệu, khi một mô hình hoạt động tốt trong một nhiệm vụ chủ yếu vì các ví dụ gần như giống hệt đã có sẵn trong dữ liệu huấn luyện của nó, chứ không phải vì nó đã suy luận ra điều gì đó mới.

Không có bản dựng game bắn súng góc nhìn thứ nhất nào được công bố kiểm tra loại ô nhiễm đó. Kho lưu trữ của Shumer có chứa sự sáng tạo của Claude, nếu có thể gọi như vậy. Đó là lý do để hiểu "tạo ra một game AAA một phát ăn ngay" là một tác nhân có năng lực làm việc trong một trong những thể loại được tài liệu hóa dày đặc nhất trong lập trình, chứ không phải là bằng chứng cho thấy một AI đã thiết kế một game bắn súng mà không có tiền lệ nào để dựa vào.