Agentes de IA decompilaram um shooter em três meses e gastaram até 700 bilhões de tokens

Um grupo de entusiastas passou três meses coordenando agentes de IA que decompilaram um popular shooter em primeira pessoa e restauraram o código dele em C++. Segundo o autor do projeto, 99% das funções foram restauradas, 83% delas coincidem byte a byte com o original, e o jogo roda sem bugs perceptíveis. O autor estima o consumo em 600–700 bilhões de tokens. Ele contou a história no Habr, e o foco do relato é a orquestração dos agentes, não o jogo em si.

Precisão como requisito

O objetivo era obter uma reconstrução precisa e estável, e não demonstrar que os agentes são capazes disso. A diferença é fundamental. Quando basta algo "parecido em comportamento", o agente pode produzir um código plausível, e não há como verificá-lo. Quando se exige um código comparável ao original no nível dos bytes, cada função recebe um veredito inequívoco: bateu ou não bateu.

Essa é a tese central do autor: sem verificação automática e objetiva, esse tipo de arranjo não funciona. Um agente cujo trabalho é avaliado a olho ou por outra rede neural acumula erros ao longo de semanas e segue com confiança na direção errada. O compilador e a comparação byte a byte não discutem e não se cansam.

A escala em números

Vamos calcular o que decorre dos dados declarados. 600–700 bilhões de tokens em três meses, ou seja, cerca de 90 dias, dão 6,7–7,8 bilhões de tokens por dia. Em segundos, isso significa em média 77–90 mil tokens de forma contínua, dia e noite. Nenhuma pessoa sustentaria esse ritmo, em nenhuma circunstância. Só é possível com muitos agentes trabalhando em paralelo, e eles exigem infraestrutura: filas de tarefas, isolamento de ambientes, controle de custos, reinício automático.

Números finais do projeto:

• duração: cerca de três meses;
• consumo: 600–700 bilhões de tokens (estimativa do autor);
• funções restauradas: 99%;
• coincidência byte a byte com o original: 83% das restauradas, ou seja, cerca de 82% do total de funções;
• resultado: o jogo inicia e roda sem bugs perceptíveis.

Sobram cerca de 17% de funções que não coincidiram byte a byte. Parte delas pode se comportar de forma idêntica, mas é compilada de outro jeito. Num projeto cujo objetivo é a precisão, essa é a área para refinamento futuro.

O papel do humano

O autor ressalta que os agentes foram coordenados por pessoas da comunidade. Aqui, autonomia não significa ausência de supervisão: o humano define os limites e acompanha as métricas, em vez de ler cada linha. O autor detalha a estrutura de apoio e as configurações no artigo original. Nós nos baseamos apenas na parte introdutória dele e não especulamos sobre detalhes de implementação.

O que levar para a prática

Primeiro: escolha tarefas em que o resultado possa ser verificado por máquina. Decompilação com comparação byte a byte, migração de código com um conjunto de testes e otimização com benchmark se enquadram nessa classe. Tarefas do tipo "faça algo bonito" não se enquadram.

Segundo: trate o orçamento de tokens como uma linha de despesa. Centenas de bilhões de tokens já são questão de planejamento financeiro, não um experimento de fim de semana.

Terceiro: meça a taxa de sucesso por funções, módulos ou testes, e não por impressão. Uma métrica como "83% coincidiram" ajuda a decidir se vale iniciar a próxima rodada de trabalho dos agentes ou se é hora de pôr uma pessoa para cuidar do restante.

Quarto: verifique o lado jurídico. A decompilação de software comercial depende da licença e da jurisdição, e a viabilidade técnica não resolve essa questão.