Claude Fable 5 ha trasformato un tweet di quattro anni fa in un gioco 3D giocabile nel browser in una singola sessione di sviluppo, svolgendo tutto il lavoro pesante senza alcuno stack tecnologico o input di design scelto dall'uomo.

Simon Willison ha fornito al modello la breve descrizione del tweet, uno screenshot e due immagini di supporto. Partendo da questo modesto prompt, Claude Fable 5 ha scritto l'intero codebase, ha selezionato Three.js come motore 3D, ha generato le texture del gioco tramite un modello OpenAI e ha inviato ogni modifica a un repository GitHub. Il repository era collegato a GitHub Pages, quindi ogni commit appariva a un URL live in circa mezz'ora. Il risultato è un gioco funzionale "Raccoon Heist" che chiunque può giocare nel browser oggi stesso.

Come si è svolto l'esperimento

  • Minimal prompt – Il tweet originale del 2022 elencava un concetto di gioco e mostrava un singolo screenshot. Willison ha aggiunto due immagini extra come riferimento e alcune righe di testo. Non ha fornito istruzioni sulla lingua di programmazione, sulla libreria grafica o sul deployment.
  • Model-driven decisions – Claude Fable 5 ha scelto Three.js, una libreria JavaScript per la grafica 3D, come motore di rendering. Ha scritto l'HTML, il JavaScript e il codice di caricamento degli asset necessari per eseguire il gioco.
  • AI-generated assets – Un modello OpenAI ha prodotto le immagini delle texture, eliminando la necessità di un designer.
  • Continuous delivery – Ogni push di codice ha attivato la ricostruzione del sito tramite GitHub Pages, rendendo la versione più recente visibile in meno di 30 secondi. Willison ha osservato il gioco evolversi in tempo reale, da una tela bianca a un prototipo completamente giocabile.

Perché questo è importante

Gli assistenti alla programmazione AI tradizionali hanno aiutato con l'autocompletamento, suggerimenti per la correzione di bug o la generazione di snippet quando uno sviluppatore fornisce una specifica dettagliata. Claude Fable 5 ha superato il limite: ha accettato un obiettivo di alto livello, ha scelto lo stack di implementazione, ha prodotto gli asset e ha rilasciato un prodotto live, il tutto senza ulteriori indicazioni umane.

I benchmark come SWE-bench misurano quanto bene i modelli risolvono problemi di programmazione, ma osservare un modello che costruisce autonomamente un'esperienza interattiva end-to-end mostra una capacità diversa. Per la prototipazione rapida, il workflow dimostra che uno sviluppatore può consegnare a un modello un concetto e una manciata di asset, puntarlo verso un obiettivo di deployment e ricevere una demo utilizzabile in pochi minuti.

Chi ne trarrà vantaggio e chi potrebbe restare indietro

  • Start-up e sviluppatori indipendenti possono iterare su idee di gioco o concetti di UI senza assumere un intero team di ingegneria.
  • Team di prodotto possono utilizzare questo approccio per generare funzionalità proof-of-concept per revisioni interne.
  • Fornitori di strumenti che offrono generazione di codice basata su AI potrebbero vedere la domanda spostarsi verso funzionalità di orchestrazione di alto livello, permettendo ai modelli di scegliere i framework e gestire le pipeline CI/CD.

Al contrario, gli sviluppatori specializzati in decisioni architettoniche, ottimizzazione delle prestazioni o direzione artistica potrebbero trovare i compiti più visibili e a bassa complessità sempre più automatizzati. L'autonomia del modello solleva anche questioni sulla qualità del codice, la sicurezza e la licenza degli asset generati dall'AI — problemi che richiedono ancora la supervisione umana.

Limiti della demo attuale

  • Ambito (Scope) – Il gioco è un modesto prototipo 3D; scalare l'approccio ad applicazioni ampie e ricche di dati rimane non dimostrato.
  • Supporto umano – Willison ha configurato la pipeline di GitHub Pages e ha monitorato l'output del modello. Un sistema completamente autonomo avrebbe bisogno di meccanismi per rilevare fallimenti della build o codice non sicuro.
  • Fedeltà degli asset – Le texture generate dall'AI funzionano per un gioco semplice, ma potrebbero non essere sufficienti per produzioni ad alto budget che richiedono fotorealismo o un'estetica specifica del brand.

Cosa osservare in futuro

  • Integrazione degli strumenti – Aspettatevi un accoppiamento più stretto tra i grandi modelli linguistici e i servizi di build in cloud, riducendo i passaggi manuali eseguiti da Willison.
  • Livelli di sicurezza – Le piattaforme potrebbero aggiungere revisioni del codice automatizzate o sandboxing per individuare falle di sicurezza prima del deployment.
  • Evoluzione dei benchmark – Nuove suite di valutazione che testano la consegna di prodotti end-to-end potrebbero integrare le metriche esistenti di completamento del codice.

Il messaggio è chiaro: l'AI può ora andare oltre il "scrivi questa funzione" per arrivare a "costruisci e rilascia un prodotto completo ed eseguibile" quando riceve un obiettivo conciso e del materiale di partenza. La tecnologia è ancora agli inizi, ma la dimostrazione di Claude Fable 5 suggerisce un futuro in cui la prima bozza di molte idee software viene generata autonomamente, liberando gli sviluppatori per concentrarsi su perfezionamento, strategia e creatività.