Kurzfassung

  • Claude Opus 5 hat ein Ego-Shooter-Spiel mit einem so einfachen Prompt und so beeindruckenden Ergebnissen „one-shotted", dass die Leute Schwierigkeiten haben, es zu glauben.
  • Andere haben den Prompt erneut ausgeführt und die Ergebnisse bestätigen sich.
  • Matt Shumer, der Entwickler des Claude-gestützten Spiels, nennt die Methode einen Gauntlet Loop: Gib einem Agenten eine echte Hürde, die es zu überwinden gilt, teile die Arbeit unter neuen Kritikern auf und lass den Entwickler niemals seine eigenen Hausaufgaben benoten.

Nur zwei Tage nachdem Claude Opus 5 veröffentlicht wurde, postete der KI-Investor und ehemalige HyperWrite-CEO Matt Shumer ein Video eines vollständig spielbaren Ego-Shooters, den das Modell völlig eigenständig erstellt hatte.

„Claude Opus 5 hat dieses Spiel mit einem einzigen Durchlauf erstellt", schrieb er und fügte hinzu, dass kein einziges externes Asset in den Build eingeflossen sei.

Nun könnte man meinen, dass eine so gute Ausgabe einen langen, detaillierten und sorgfältigen Prompt erforderte, um die KI-Modelle durch die Komplexität der Erstellung eines ausgefeilten Ego-Shooters zu führen.

Denk nochmal.

Der dahinterstehende Prompt umfasste drei kurze Absätze und wurde vollständig auf GitHub veröffentlicht. Er wies Opus 5 an, einen Shooter auf dem Niveau der neuesten Call-of-Duty-Spiele zu bauen, Unteragenten auszusenden – Arbeiter, die jeweils ihren eigenen separaten Speicher und eine enge Aufgabe erhalten –, um Teile einzeln zu bearbeiten, und jeden Teil mit einem separaten, strengen Kritiker so lange zu durchlaufen, bis er in einem blinden Side-by-Side-Vergleich mit echtem Call-of-Duty-Material bestehen kann. Das Ergebnis, so der Prompt, sollte „vollkommen perfekt" sein.


Das ist eine Umkehrung dessen, wie Prompt-Ingenieure den Menschen beigebracht haben zu arbeiten. Der Rat während des Vibe-Coding-Booms war, Kriterien statt Adjektive anzugeben: zu sagen, was „gut“ bedeutet, anstatt nur danach zu fragen. Was der Code berücksichtigen soll, anstatt „AAA“ zu sagen.

Shumers Version macht fast das Gegenteil: Sie fordert ihre eigenen Unteragenten auf, „völlig begeistert“ zu sein, und überlässt die eigentliche Definition einem Kritiker Opus 5, den sie für sich selbst gebaut hat.

Das war fast die gesamte Aufgabenstellung. Shumer schrieb später, dass er nie den Renderer spezifizierte, die Systeme des Spiels auflistete oder definierte, was „AAA-Qualität“ beinhalten müsse. Er hat begonnen, den Ansatz als Gauntlet Loop zu bezeichnen: einem Agenten eine echte, überprüfbare Messlatte an die Hand geben, anstatt einer vagen Anweisung, die Aufgabe in kleine Teile aufteilen lassen und jedes Teil durch einen Kritiker leiten, der nie die Begründung des Erbauers für seine Entscheidungen sieht.

Zwei Claude-Code-Funktionen tragen diesen Loop. Unteragenten starten in isolierten Kontextfenstern mit eigenen Anweisungen und Tool-Zugriff, sodass ein Kritiker, der das Waffenmodell bewertet, nicht die Ausreden des Erbauers erbt, warum es so aussieht, wie es aussieht. Ultracode ist eine Claude-Code-Einstellung, die das Modell zu seiner höchsten Denkanstrengung treibt und ihm erlaubt, seinen eigenen Orchestrierungsplan zu schreiben, wobei die Arbeit auf bis zu 16 Agenten gleichzeitig verteilt wird, begrenzt auf 1.000 pro Durchlauf.

Anthropics eingebaute /loop-Fähigkeit, die für wiederholte Korrektur-Test-Anpassungs-Zyklen entwickelt wurde, verhinderte, dass der Lauf stoppte, sobald das Spiel anständig aussah. Shumer gab nie eine Anzahl von Runden vor. Er ließ den Kritiker immer wieder eine neue Lücke benennen und ließ den Builder stundenlang hinterherjagen, bevor er die Sitzung selbst beendete.

Der fertige Build läuft auf Three.js und einfachem WebGL2, mit etwa 55.000 Codezeilen, die auf 11 Subsysteme verteilt sind. Jede Textur, jedes Mesh, jede Animation und jeder Ton wird beim Laden im Browser generiert – keine heruntergeladenen Modelle, HDRIs, Bilddateien oder Audiodateien. Shumers eigener veröffentlichter Kritiker-Log zeigt, wie die Punktzahl von 3,59 von 10 auf knapp über 5 steigt, aber immer noch in jeder Runde hinter dem echten Spiel zurückliegt.

Skeptiker vermuteten stundenlange versteckte manuelle Programmierung, also veröffentlichte Shumer den gesamten Prompt und Codebase. Da begannen die Nachahmer.

Gleicher Trick, drei verschiedene Entwickler

James Altucher, der ehemalige Hedgefonds-Manager und Podcaster, führte denselben Prompt aus und berichtete, dass er „etwas mehr als zehn Stunden“ und etwa 1,3 Millionen Tokens auf Opus 5 benötigte, um dorthin zu gelangen. Sein Build, Operation Blackout, ist kostenlos im Browser spielbar und sieht großartig aus.

Sie können dieses Spiel hier spielen.

Der Entwickler von Prompt Silo richtete dieselbe Anfrage stattdessen an das konkurrierende Flaggschiff von OpenAI und postete „Sol 5.6 Ultra mit demselben Prompt“ – Sol ist die oberste Stufe der aus drei Modellen bestehenden GPT-5.6-Familie, die OpenAI am 9. Juli zusammen mit den günstigeren Versionen Terra und Luna allgemein verfügbar machte.

Der Entwickler Leon Lin versuchte den umgekehrten Ansatz und griff auf den üblichen detaillierten Prompt zurück. Anstatt Shumers Kurzversion zu kopieren, machte er sich daran, „einen Prompt für dieses Spiel zurückzuentwickeln“ und erstellte ein Dokument mit rund 20 Abschnitten, das alles von Ragdoll-Physik bis hin zu kaskadierten Schattenkarten beschreibt. Er speiste dies in Cursor ein, wobei er einfaches Opus 5 mit hohem Aufwand verwendete, ohne Unteragenten und ohne Ultracode – und das Ergebnis – ein Marktstraßen-Shooter namens Dust Corridor – läuft ebenfalls im Browser und sieht auch großartig aus.

Keiner der nachfolgenden Builds hat den Blindtest bestanden, den Shumer an seinem eigenen Projekt durchführte. Sein Kritiker-Log zeigt immer noch, dass echte Call of Duty jede Runde gewinnt, die er protokolliert hat – die Messlatte, die Altucher und Atom Tan Studio mit seinem exakten Drei-Absatz-Prompt verfolgen, und die, die Leon Lin mit etwa 20 eigenen Abschnitten verfolgt.

Wie viel davon ist tatsächlich neu?

Agentische Codierungstools wie Claude Code schreiben Software, wie ein beaufsichtigter Junior-Ingenieur: Sie lesen Dateien, führen Code aus, betrachten die von ihnen generierten Screenshots und übergeben Teile der Aufgabe an Unteragenten und Kritiker, die das Ergebnis mit einem angegebenen Ziel abgleichen. Diese Schleife ist real, und Shumers Gauntlet Loop ist eine echte Möglichkeit, sie zu strukturieren. Nichts davon beweist für sich genommen, dass das Modell ein Spiel aus der Vorstellungskraft entworfen hat, anstatt Code-Muster zu rekombinieren, die es bereits aufgenommen hatte.

Three.js liefert seine eigenen Pointer-Lock-Kamera-Steuerungen als offizielles Beispiel, und dieses grundlegende Muster – Mausblick, WASD-Bewegung, Raycasting für Schüsse – wird seit über einem Jahrzehnt auf GitHub, Gists und Entwicklerforen geforkt und in Tutorials behandelt. Ein Codierungsmodell, das auf öffentlichen Repositories trainiert wurde, hat mit ziemlicher Sicherheit Hunderte, wenn nicht Tausende nahezu identischer Shooter gesehen, bevor es jemals Shumers Prompt gelesen hat.

Das macht Claude of Duty nicht unecht, aber es macht die Behauptung „von Grund auf neu gebaut“ schwerer vollständig zu glauben, also nehmen Sie diese Ergebnisse mit Vorsicht.

Forscher, die Code-generierende Modelle untersuchen, haben einen Namen für das allgemeinere Problem: Datenkontamination, wenn ein Modell bei einer Aufgabe gut abschneidet, hauptsächlich weil nahezu identische Beispiele bereits in seinen Trainingsdaten vorhanden waren, nicht weil es etwas Neues erschlossen hat.

Keiner der Ego-Shooter-Builds veröffentlichte eine Überprüfung auf diese Art von Kontamination. Shumers eigenes Repository enthält tatsächlich Clous eigene Kreativität, wenn man es so nennen darf. Das ist ein Grund, „one-shotted a AAA game“ als einen fähigen Agenten zu lesen, der in einem der am stärksten dokumentierten Genres der Programmierung arbeitet, nicht als Beweis dafür, dass eine KI einen Shooter ohne Rückgriff auf bestehende Kunst entworfen hat.