Claude Fable 5 એ ચાર વર્ષ જૂના ટ્વીટને સિંગલ ડેવલપમેન્ટ સેશનમાં રમી શકાય તેવા 3D બ્રાઉઝર ગેમમાં બદલી નાખ્યું, અને તે માનવ દ્વારા પસંદ કરેલ કોઈ ટેક સ્ટેક અથવા ડિઝાઇન ઇનપુટ વગર આ તમામ મુખ્ય કામગીરી કરી બતાવ્યું.

Simon Willison એ મોડેલને ટ્વીટનું ટૂંકું વર્ણન, એક સ્ક્રીનશોટ અને બે સહાયક છબીઓ આપી. તે સામાન્ય પ્રોમ્પ્ટમાંથી Claude Fable 5 એ આખું કોડબેઝ લખ્યું, 3D એન્જિન તરીકે Three.js પસંદ કર્યું, OpenAI મોડેલ દ્વારા ગેમના ટેક્સચર જનરેટ કર્યા અને દરેક ફેરફારને GitHub રિપોઝિટરીમાં પુશ કર્યા. આ રિપોઝિટરી GitHub Pages સાથે જોડાયેલી હતી, તેથી દરેક કમિટ અડધા મિનિટની અંદર લાઈવ URL પર દેખાવા લાગતી હતી. તેનું પરિણામ એક કાર્યરત “Raccoon Heist” ગેમ છે જે આજે કોઈપણ બ્રાઉઝરમાં રમી શકે છે.

પ્રયોગ કેવી રીતે આગળ વધ્યો

  • ન્યૂનતમ પ્રોમ્પ્ટ (Minimal prompt) – મૂળ 2022 ના ટ્વીટમાં ગેમનો ખ્યાલ દર્શાવવામાં આવ્યો હતો અને એક સ્ક્રીનશોટ બતાવવામાં આવ્યો હતો. Willison એ સંદર્ભ માટે બે વધારાની છબીઓ અને લખાણની થોડી પંક્તિઓ ઉમેરી હતી. તેમણે પ્રોગ્રામિંગ લેંગ્વેજ, ગ્રાફિક્સ લાઇબ્રેરી અથવા ડિપ્લોયમેન્ટ વિશે કોઈ સૂચનાઓ આપી નહોતી.
  • મોડેલ-સંચાલિત નિર્ણયો – Claude Fable 5 એ રેન્ડરિંગ એન્જિન તરીકે 3D ગ્રાફિક્સ માટેની JavaScript લાઇબ્રેરી, Three.js પસંદ કરી. તેણે ગેમ ચલાવવા માટે જરૂરી HTML, JavaScript અને એસેટ-લોડિંગ કોડ લખ્યો.
  • AI-જનરેટેડ એસેટ્સ – OpenAI મોડેલે ટેક્સચર ઈમેજીસ બનાવી, જેનાથી ડિઝાઇનરની જરૂરિયાત દૂર થઈ ગઈ.
  • કન્ટીન્યુઅસ ડિલિવરી – દરેક કોડ પુશથી GitHub Pages સાઇટને ફરીથી બિલ્ડ કરવા માટે ટ્રિગર થતું હતું, જેનાથી નવું વર્ઝન 30 સેકન્ડથી ઓછા સમયમાં દેખાવા લાગતું હતું. Willison એ ગેમને રિયલ ટાઇમમાં એક ખાલી કેનવાસથી લઈને સંપૂર્ણ રીતે રમી શકાય તેવા પ્રોટોટાઇપ તરીકે વિકસતા જોઈ હતી.

આ શા માટે મહત્વનું છે

પરંપરાગત AI કોડિંગ આસિસ્ટન્ટ્સ ત્યારે ઓટોકમ્પ્લીટ, બગ-ફિક્સ સૂચનો અથવા સ્નિપેટ જનરેશનમાં મદદ કરે છે જ્યારે ડેવલપર વિગતવાર સ્પેસિફિકેશન આપે છે. Claude Fable 5 એ એક સીમા ઓળંગી છે: તેણે ઉચ્ચ-સ્તરનો ધ્યેય સ્વીકાર્યો, ઇમ્પ્લીમેન્ટેશન સ્ટેક પસંદ કર્યો, એસેટ્સ બનાવી અને લાઈવ પ્રોડક્ટ શિપ કરી—તે પણ વધુ માનવીય માર્ગદર્શન વગર.

SWE-bench જેવા બેન્ચમાર્ક મોડેલ્સ પ્રોગ્રામિંગ સમસ્યાઓ કેટલી સારી રીતે ઉકેલે છે તે માપે છે, પરંતુ મોડેલને સ્વાયત્ત રીતે એન્ડ-ટુ-એન્ડ ઇન્ટરેક્ટિવ અનુભવ બનાવતા જોવું એક અલગ ક્ષમતા દર્શાવે છે. ઝડપી પ્રોટોટાઇપિંગ માટે, આ વર્કફ્લો સાબિત કરે છે કે ડેવલપર મોડેલને એક ખ્યાલ અને થોડી એસેટ્સ આપી શકે છે, તેને ડિપ્લોયમેન્ટ ટાર્ગેટ તરફ નિર્દેશિત કરી શકે છે, અને મિનિટોમાં ઉપયોગી ડેમો મેળવી શકે છે.

કોને ફાયદો થશે, અને કોણ પાછળ રહી જશે

  • Start-ups અને ઇન્ડી ડેવલપર્સ આખી એન્જિનિયરિંગ ટીમ રાખ્યા વગર ગેમ આઈડિયા અથવા UI કોન્સેપ્ટ પર કામ કરી શકે છે.
  • Product teams આ અભિગમનો ઉપયોગ આંતરિક સમીક્ષા માટે proof-of-concept ફીચર્સ જનરેટ કરવા માટે કરી શકે છે.
  • Tool vendors જે AI-સંચાલિત કોડ જનરેશન પ્રદાન કરે છે, તેઓ જોઈ શકે છે કે માંગ ઉચ્ચ-સ્તરના ઓર્કેસ્ટ્રેશન ફીચર્સ તરફ વળી રહી છે—જે મોડેલ્સને ફ્રેમવર્ક પસંદ કરવા અને CI/CD પાઇપલાઇન્સનું સંચાલન કરવા દે છે.

તેનાથી વિપરીત, જે ડેવલપર્સ આર્કિટેક્ચર નિર્ણયો, પરફોર્મન્સ ટ્યુનિંગ અથવા આર્ટ ડિરેક્શનમાં નિષ્ણાત છે, તેઓ જોઈ શકે છે કે સૌથી વધુ દેખાતા, ઓછી જટિલતાવાળા કાર્યો વધુને વધુ ઓટોમેટ થઈ રહ્યા છે. મોડેલની સ્વાયત્તતા કોડની ગુણવત્તા, સુરક્ષા અને AI-જનરેટેડ એસેટ્સના લાયસન્સિંગ વિશે પણ પ્રશ્નો ઉભા કરે છે—જે મુદ્દાઓ માટે હજુ પણ માનવીય દેખરેખની જરૂર છે.

વર્તમાન ડેમોની મર્યાદાઓ

  • સ્કોપ (Scope) – ગેમ એક સામાન્ય 3D પ્રોટોટાઇપ છે; આ અભિગમને મોટા, ડેટા-સઘન એપ્લિકેશન્સ સુધી સ્કેલ કરવો હજુ અપ્રમાણિત છે.
  • માનવીય સહાય (Human scaffolding) – Willison એ GitHub Pages પાઇપલાઇન સેટ કરી હતી અને મોડેલના આઉટપુટ પર દેખરેખ રાખી હતી. સંપૂર્ણપણે હેન્ડ્સ-ઓફ સિસ્ટમ માટે બિલ્ડ નિષ્ફળતા અથવા અસુરક્ષિત કોડ શોધવા માટે મિકેનિઝમ્સની જરૂર પડશે.
  • એસેટ ફિડેલિટી (Asset fidelity) – AI-જનરેટેડ ટેક્સચર સાદી ગેમ માટે કામ કરે છે પરંતુ ફોટોરિયલિઝમ અથવા બ્રાન્ડ-સ્પેસિફિક આર્ટની માંગ કરતી હાઈ-બજેટ પ્રોડક્શન માટે અપૂરતા હોઈ શકે છે.

આગળ શું જોવું

  • ટૂલ ઇન્ટિગ્રેશન – લાર્જ લેંગ્વેજ મોડેલ્સ અને ક્લાઉડ બિલ્ડ સર્વિસીસ વચ્ચે વધુ ગાઢ જોડાણની અપેક્ષા રાખવી, જે Willison દ્વારા કરવામાં આવેલા મેન્યુઅલ સ્ટેપ્સ ઘટાડશે.
  • સેફ્ટી લેયર્સ – પ્લેટફોર્મ્સ ડિપ્લોયમેન્ટ પહેલા સુરક્ષા ખામીઓને પકડવા માટે ઓટોમેટેડ કોડ રિવ્યુ અથવા સેન્ડબોક્સિંગ ઉમેરી શકે છે.
  • બેન્ચમાર્ક ઇવોલ્યુશન – એન્ડ-ટુ-એન્ડ પ્રોડક્ટ ડિલિવરીનું પરીક્ષણ કરતા નવા ઇવેલ્યુએશન સૂટ્સ હાલના કોડ-કમ્પ્લીશન મેટ્રિક્સને પૂરક બની શકે છે.

તારણ સ્પષ્ટ છે: જ્યારે સંક્ષિપ્ત ધ્યેય અને થોડી સોર્સ મટિરિયલ આપવામાં આવે ત્યારે AI હવે “write this function” થી આગળ વધીને “build and ship a complete, runnable product” સુધી પહોંચી શકે છે. ટેકનોલોજી હજુ પ્રારંભિક તબક્કામાં છે, પરંતુ Claude Fable 5 નું પ્રદર્શન એવા ભવિષ્યનો સંકેત આપે છે જ્યાં ઘણા સોફ્ટવેર આઈડિયાઝનો પ્રથમ ડ્રાફ્ટ સ્વાયત્ત રીતે જનરેટ કરવામાં આવશે, જેનાથી ડેવલપર્સ રિફાઇનમેન્ટ, વ્યૂહરચના અને સર્જનાત્મકતા પર ધ્યાન કેન્દ્રિત કરવા માટે મુક્ત થશે.