Claude Fable 5 veranderde een vier jaar oude tweet in een speelbaar 3D-browserspel in één enkele ontwikkelingssessie, en deed het zware werk zonder dat er door mensen gekozen tech-stack of ontwerpinput nodig was.

Simon Willison voerde de korte beschrijving van de tweet, een screenshot en twee ondersteunende afbeeldingen aan het model. Op basis van die bescheiden prompt schreef Claude Fable 5 de volledige codebase, selecteerde Three.js als de 3D-engine, genereerde de textures van het spel via een OpenAI-model en pushte elke wijziging naar een GitHub-repository. De repository was gekoppeld aan GitHub Pages, waardoor elke commit binnen ongeveer een half minuut op een live URL verscheen. Het resultaat is een functioneel "Raccoon Heist"-spel dat vandaag de dag door iedereen in een browser gespeeld kan worden.

Hoe het experiment verliep

  • Minimale prompt – De oorspronkelijke tweet uit 2022 bevatte een spelconcept en toonde één screenshot. Willison voegde twee extra afbeeldingen toe als referentie en een paar regels tekst. Hij gaf geen instructies over de programmeertaal, de graphicslibrary of de deployment.
  • Modelgestuurde beslissingen – Claude Fable 5 koos Three.js, een JavaScript-library voor 3D-graphics, als de rendering engine. Het schreef de HTML, JavaScript en de code voor het laden van assets die nodig waren om het spel te draaien.
  • AI-gegenereerde assets – Een OpenAI-model produceerde texture-afbeeldingen, waardoor een designer overbodig werd.
  • Continuous delivery – Elke code-push triggerde GitHub Pages om de site opnieuw op te bouwen, waardoor de nieuwste versie in minder dan 30 seconden zichtbaar was. Willison zag het spel in realtime evolueren, van een leeg canvas naar een volledig speelbaar prototype.

Waarom dit belangrijk is

Traditionele AI-code-assistenten hebben geholpen met autocomplete, suggesties voor bugfixes of het genereren van codefragmenten wanneer een ontwikkelaar een gedetailleerde specificatie aanlevert. Claude Fable 5 overschreed een grens: het accepteerde een doel op hoog niveau, koos de implementatiestack, produceerde assets en leverde een live product af — allemaal zonder verdere menselijke aanwijzingen.

Benchmarks zoals SWE-bench meten hoe goed modellen programmeerproblemen oplossen, maar het zien van een model dat autonoom een interactieve ervaring van begin tot eind opbouwt, toont een andere capaciteit aan. Voor snelle prototyping bewijst de workflow dat een ontwikkelaar een concept en een handvol assets aan een model kan geven, het kan aanwijzen naar een deployment-doel en binnen enkele minuten een bruikbare demo kan ontvangen.

Wie profiteert ervan en wie kan achterblijven

  • Start-ups en indie-ontwikkelaars kunnen itereren op spelideeën of UI-concepten zonder een volledig engineeringteam in te huren.
  • Productteams kunnen deze aanpak gebruiken om proof-of-concept-functies te genereren voor interne reviews.
  • Tool-leveranciers die AI-gestuurde codegeneratie aanbieden, zouden een verschuiving in de vraag kunnen zien naar orchestratie-functies op een hoger niveau — waarbij modellen frameworks kiezen en CI/CD-pipelines beheren.

Omgekeerd kunnen ontwikkelaars die gespecialiseerd zijn in architecturale beslissingen, performance tuning of art direction merken dat de meest zichtbare taken met een lage complexiteit steeds meer geautomatiseerd worden. De autonomie van het model roept ook vragen op over de codekwaliteit, beveiliging en de licenties van AI-gegenereerde assets — kwesties die nog steeds menselijk toezicht vereisen.

Beperkingen van de huidige demo

  • Scope – Het spel is een bescheiden 3D-prototype; het opschalen van deze aanpak naar grote, data-intensieve applicaties is nog niet bewezen.
  • Menselijke ondersteuning – Willison zette de GitHub Pages-pipeline op en hield de output van het model in de gaten. Een volledig autonoom systeem zou mechanismen nodig hebben om build-fouten of onveilige code te detecteren.
  • Kwaliteit van de assets – AI-gegenereerde textures werken voor een simpel spel, maar schieten mogelijk tekort voor high-budget producties die fotorealisme of merk-specifieke kunst vereisen.

Waar we de komende tijd op moeten letten

  • Tool-integratie – Verwacht een nauwere koppeling tussen large language models en cloud build-services, waardoor de handmatige stappen die Willison uitvoerde, worden verminderd.
  • Veiligheidslagen – Platforms kunnen automatische code-reviews of sandboxing toevoegen om beveiligingsfouten op te sporen vóór de deployment.
  • Evolutie van benchmarks – Nieuwe evaluatiesets die de end-to-end productlevering testen, zouden de bestaande code-completion metrics kunnen aanvullen.

De conclusie is duidelijk: AI kan nu verder gaan dan "schrijf deze functie" naar "bouw en lever een volledig, uitvoerbaar product" wanneer het een beknopt doel en wat bronmateriaal krijgt. De technologie staat nog in de kinderschoenen, maar de demonstratie van Claude Fable 5 geeft een hint naar een toekomst waarin de eerste versie van veel software-ideeën autonoom wordt gegenereerd, waardoor ontwikkelaars de ruimte krijgen om zich te concentreren op verfijning, strategie en creativiteit.