So sánh GPT-5.6 Sol Ultra và Claude Fable 5 trong phát triển game

Simon Willison đã thử nghiệm khả năng xây dựng trò chơi của GPT-5.6 Sol Ultra thông qua Codex Desktop so với Claude Fable 5 bằng cách yêu cầu chúng tái tạo một tựa game trộm cắp chủ đề gấu trúc. GPT-5.6 Sol Ultra, sử dụng các tác nhân phụ (sub-agents) hoạt động mạnh mẽ và gpt-image-2, đã tạo ra một trò chơi phức tạp và đúng chủ đề hơn mang tên "Moonlight & Mayhem". Thử nghiệm này làm nổi bật sự tiến bộ nhanh chóng của các tác nhân lập trình dựa trên LLM trong việc thực hiện các tác vụ phức tạp, nhiều bước như phát triển game chỉ từ một câu lệnh duy nhất. Nó cho thấy cách các quy trình làm việc tự động sử dụng tác nhân phụ có thể cải thiện đáng kể chất lượng đầu ra so với các mô hình tiêu chuẩn, dù chi phí token cao hơn. Mặc dù trò chơi được tạo ra có chất lượng tốt hơn, ban đầu nó vẫn gặp lỗi khiến các chú gấu trúc có các khối cầu khổng lồ bay lơ lửng trên đầu, điều mà AI không tự phát hiện qua ảnh chụp màn hình nhưng đã sửa được sau khi được nhắc trực tiếp. Phiên phát triển kéo dài 52 phút này đã tiêu thụ hơn 700 nghìn token đầu vào và 148 nghìn token đầu ra, với chi phí ước tính khoảng 23,28 USD.