Claude Fable 5 ఒక నాలుగు సంవత్సరాల క్రితం నాటి ట్వీట్‌ను కేవలం ఒకే ఒక డెవలప్‌మెంట్ సెషన్‌లో ఆడుకోగలిగే 3D బ్రౌజర్ గేమ్‌గా మార్చింది. మనుషులు ఎంచుకున్న టెక్ స్టాక్ లేదా డిజైన్ ఇన్‌పుట్ లేకుండానే ఇది మొత్తం పనిని పూర్తి చేసింది.

Simon Willison ఆ ట్వీట్‌లోని సంక్షిప్త వివరణ, ఒక స్క్రీన్‌షాట్ మరియు రెండు సపోర్టింగ్ చిత్రాలను మోడల్‌కు అందించారు. ఆ చిన్న ప్రాంప్ట్ నుండి Claude Fable 5 మొత్తం కోడ్‌బేస్‌ను రాసింది, 3D ఇంజిన్‌గా Three.jsని ఎంచుకుంది, OpenAI మోడల్ ద్వారా గేమ్ టెక్స్చర్‌లను రూపొందించింది మరియు ప్రతి మార్పును GitHub రిపోజిటరీకి పంపింది (push చేసింది). ఆ రిపోజిటరీ GitHub Pagesకి అనుసంధానించబడి ఉండటం వల్ల, ప్రతి కమిట్ సుమారు అర నిమిషంలోపు లైవ్ URLలో కనిపించింది. దీని ఫలితంగా నేడు ఎవరైనా బ్రౌజర్‌లో ఆడుకోగలిగే ఒక ఫంక్షనల్ “Raccoon Heist” గేమ్ సిద్ధమైంది.

ఈ ప్రయోగం ఎలా సాగింది

  • Minimal prompt – అసలు 2022 నాటి ట్వీట్‌లో ఒక గేమ్ కాన్సెప్ట్ మరియు ఒక స్క్రీన్‌షాట్ మాత్రమే ఉన్నాయి. Willison రిఫరెన్స్ కోసం రెండు అదనపు చిత్రాలను మరియు కొన్ని వాక్యాలను జోడించారు. ప్రోగ్రామింగ్ లాంగ్వేజ్, గ్రాఫిక్స్ లైబ్రరీ లేదా డిప్లాయ్‌మెంట్ గురించి ఆయన ఎటువంటి సూచనలు ఇవ్వలేదు.
  • Model-driven decisions – Claude Fable 5, 3D గ్రాఫిక్స్ కోసం ఉపయోగించే JavaScript లైబ్రరీ అయిన Three.jsని రెండరింగ్ ఇంజిన్‌గా ఎంచుకుంది. గేమ్ నడవడానికి అవసరమైన HTML, JavaScript మరియు అసెట్-లోడింగ్ కోడ్‌ను ఇది రాసింది.
  • AI-generated assets – ఒక OpenAI మోడల్ టెక్స్చర్ చిత్రాలను రూపొందించింది, దీనివల్ల డిజైనర్ అవసరం లేకుండా పోయింది.
  • Continuous delivery – ప్రతి కోడ్ పుష్ (push) GitHub Pages సైట్‌ను రీబిల్డ్ చేసేలా చేసింది, దీనివల్ల కొత్త వెర్షన్ 30 సెకన్ల లోపే అందుబాటులోకి వచ్చింది. Willison ఒక ఖాళీ కాన్వాస్ నుండి పూర్తిగా ఆడుకోగలిగే ప్రోటోటైప్ వరకు గేమ్ ఎలా మారుతుందో రియల్ టైమ్‌లో చూశారు.

ఇది ఎందుకు ముఖ్యం

సాంప్రదాయ AI కోడింగ్ అసిస్టెంట్లు డెవలపర్ ఒక వివరణాత్మక స్పెసిఫికేషన్‌ను ఇచ్చినప్పుడు ఆటోకంప్లీట్, బగ్-ఫిక్స్ సూచనలు లేదా స్నిప్పెట్ జనరేషన్ వంటి వాటికి సహాయపడతాయి. కానీ Claude Fable 5 ఒక కొత్త స్థాయికి చేరుకుంది: ఇది ఒక ఉన్నత స్థాయి లక్ష్యాన్ని స్వీకరించి, ఇంప్లిమెంటేషన్ స్టాక్‌ను ఎంచుకుంది, అసెట్‌లను రూపొందించింది మరియు ఎటువంటి మానవ నిర్దేశం లేకుండానే ఒక లైవ్ ప్రొడక్ట్‌ను సిద్ధం చేసింది.

SWE-bench వంటి బెంచ్‌మార్క్‌లు మోడల్‌లు ప్రోగ్రామింగ్ సమస్యలను ఎంత బాగా పరిష్కరిస్తాయో కొలుస్తాయి, కానీ ఒక మోడల్ స్వతంత్రంగా ఒక ఎండ్-టు-ఎండ్ ఇంటరాక్టివ్ అనుభవాన్ని నిర్మించడాన్ని చూడటం ఒక భిన్నమైన సామర్థ్యాన్ని చూపుతుంది. రాపిడ్ ప్రోటోటైపింగ్ కోసం, ఒక డెవలపర్ మోడల్‌కు ఒక కాన్సెప్ట్ మరియు కొన్ని అసెట్‌లను అందించి, డిప్లాయ్‌మెంట్ టార్గెట్‌ను సూచించినట్లయితే, నిమిషాల్లోనే ఉపయోగించదగిన డెమోను పొందవచ్చని ఈ వర్క్‌ఫ్లో నిరూపిస్తుంది.

ఎవరికి లాభం చేకూరుతుంది మరియు ఎవరు వెనుకబడిపోయే అవకాశం ఉంది

  • Start-ups and indie developers ఒక పూర్తి ఇంజనీరింగ్ టీమ్‌ను నియమించుకోకుండానే గేమ్ ఐడియాలు లేదా UI కాన్సెప్ట్‌లపై పని చేయవచ్చు.
  • Product teams అంతర్గత సమీక్షల కోసం ప్రూఫ్-ఆఫ్-కాన్సెప్ట్ ఫీచర్లను రూపొందించడానికి ఈ విధానాన్ని ఉపయోగించవచ్చు.
  • Tool vendors AI-ఆధారిత కోడ్ జనరేషన్‌ను అందించే వారు, అధిక స్థాయి ఆర్కెస్ట్రేషన్ ఫీచర్‌ల వైపు డిమాండ్ మారుతుందని చూడవచ్చు—అంటే మోడల్‌లు ఫ్రేమ్‌వర్క్‌లను ఎంచుకోవడం మరియు CI/CD పైప్‌లైన్‌లను నిర్వహించడం వంటివి.

దీనికి విరుద్ధంగా, ఆర్కిటెక్చర్ నిర్ణయాలు, పెర్ఫార్మెన్స్ ట్యూనింగ్ లేదా ఆర్ట్ డైరెక్షన్ వంటి అంశాలలో నైపుణ్యం ఉన్న డెవలపర్లు, అత్యంత స్పష్టమైన మరియు తక్కువ సంక్లిష్టత కలిగిన పనులు క్రమంగా ఆటోమేట్ అవుతున్నాయని గమనించవచ్చు. మోడల్ యొక్క స్వయంప్రతిపత్తి (autonomy) కోడ్ నాణ్యత, భద్రత మరియు AI-జనరేటెడ్ అసెట్‌ల లైసెన్సింగ్ గురించి కూడా ప్రశ్నలను లేవనెత్తుతుంది—ఈ అంశాలకు ఇప్పటికీ మానవ పర్యవేక్షణ అవసరం.

ప్రస్తుత డెమో యొక్క పరిమితులు

  • Scope – ఈ గేమ్ ఒక చిన్న 3D ప్రోటోటైప్ మాత్రమే; ఈ విధానాన్ని పెద్ద మరియు డేటా-ఇంటెన్సివ్ అప్లికేషన్‌లకు విస్తరించగలమా అనేది ఇంకా నిరూపించబడలేదు.
  • Human scaffolding – Willison GitHub Pages పైప్‌లైన్‌ను సెటప్ చేశారు మరియు మోడల్ అవుట్‌పుట్‌ను పర్యవేక్షించారు. పూర్తిగా మానవ ప్రమేయం లేని సిస్టమ్‌కు బిల్డ్ ఫెయిల్యూర్లను లేదా సురక్షితం కాని కోడ్‌ను గుర్తించే యంత్రాంగం అవసరం.
  • Asset fidelity – AI-జనరేటెడ్ టెక్స్చర్‌లు సాధారణ గేమ్‌లకు సరిపోతాయి కానీ ఫోటోరియలిజం లేదా బ్రాండ్-స్పెసిఫిక్ ఆర్ట్ అవసరమయ్యే హై-బడ్జెట్ ప్రొడక్షన్లకు సరిపోకపోవచ్చు.

తదుపరి ఏమి చూడాలి

  • Tool integration – లార్జ్ లాంగ్వేజ్ మోడల్‌లు మరియు క్లౌడ్ బిల్డ్ సర్వీసుల మధ్య మరింత సన్నిహిత అనుసంధానం ఉండవచ్చని ఆశించవచ్చు, ఇది Willison చేసిన మాన్యువల్ దశలను తగ్గిస్తుంది.
  • Safety layers – డిప్లాయ్‌మెంట్ కంటే ముందే భద్రతా లోపాలను గుర్తించడానికి ప్లాట్‌ఫారమ్‌లు ఆటోమేటెడ్ కోడ్ రివ్యూ లేదా సాండ్‌బాక్సింగ్‌ను జోడించవచ్చు.
  • Benchmark evolution – ఎండ్-టు-ఎండ్ ప్రొడక్ట్ డెలివరీని పరీక్షించే కొత్త ఎవాల్యుయేషన్ సూట్‌లు ప్రస్తుతం ఉన్న కోడ్-కంప్లీషన్ మెట్రిక్స్‌కు అదనంగా ఉండవచ్చు.

ముగింపు స్పష్టంగా ఉంది: ఒక సంక్షిప్త లక్ష్యం మరియు కొంత సోర్స్ మెటీరియల్ ఇచ్చినప్పుడు, AI ఇప్పుడు "ఈ ఫంక్షన్‌ను వ్రాయండి" అనే స్థాయి నుండి "ఒక పూర్తి, రన్ చేయగల ప్రొడక్ట్‌ను నిర్మించి పంపండి" అనే స్థాయికి ఎదగగలదు. ఈ సాంకేతికత ఇంకా ప్రారంభ దశలోనే ఉంది, కానీ Claude Fable 5 ప్రదర్శన ఒక భవిష్యత్తును సూచిస్తోంది—అక్కడ అనేక సాఫ్ట్‌వేర్ ఐడియాల మొదటి డ్రాఫ్ట్ స్వతంత్రంగా రూపొందించబడుతుంది, తద్వారా డెవలపర్లు రిఫైన్‌మెంట్, స్ట్రాటజీ మరియు సృజనాత్మకతపై దృష్టి పెట్టడానికి వీలవుతుంది.