RSIGame: conjunto de modelos de 27B joga por conta própria e supera o GPT-5.5

O RSIGame é um novo sistema vindo da China em que os modelos não se contentam com a primeira versão gerada do jogo. A IA executa o resultado, joga até o fim, identifica falhas e reescreve o código por conta própria. Os autores afirmam que um conjunto de modelos de 27B superou o GPT-5.5 na geração de um jogo em uma única passada. A pesquisa foi noticiada pelo veículo Jiqizhixin (机器之心) em 21 de outubro de 2026. O texto completo da publicação está disponível apenas em parte, por isso a análise abaixo separa o que foi declarado do que continua incerto.

Executar um jogo e finalizá-lo são tarefas diferentes

Os LLMs atuais já conseguem transformar uma frase como "faça um jogo de plataforma com chefes" em um programa funcional. Mas um programa funcional ainda não é um jogo pronto. Os autores do RSIGame listam defeitos típicos: os ataques do personagem não têm retorno visual ou sonoro, os inimigos se comportam todos da mesma forma, as fases não têm variedade e, às vezes, a mecânica principal simplesmente não pode ser executada.

Um desenvolvedor humano encontra esses problemas na prática. Ele joga a build atual, percebe que o golpe "não dá sensação de impacto" ou que a porta da segunda fase não abre, corrige o código e joga de novo. A geração em uma única passada pula esse ciclo por completo.

Como funciona o ciclo de autoaperfeiçoamento

O nome, ao que tudo indica, faz referência ao autoaperfeiçoamento recursivo (recursive self-improvement), embora o trecho disponível não traga a explicação da sigla. A lógica é a seguinte: o sistema transforma o desenvolvimento em um processo fechado, em que o resultado de uma iteração vira a entrada da próxima. Do que foi declarado, é possível destacar:

• Playtest automático: a IA executa o jogo e tenta completá-lo, sem participação humana.
• Busca de defeitos: ao longo da partida, são registradas falhas como ausência de resposta aos comandos, comportamento primitivo dos inimigos e trechos intransponíveis.
• Correção: os problemas encontrados viram ajustes no código e no conteúdo.
• Iteração: a versão atualizada volta para uma nova partida.
• Escala dos modelos: é usada uma combinação de modelos de 27B.
• Base de comparação: o GPT-5.5 no modo de geração "de primeira".

Vale prestar atenção à forma da comparação. Um conjunto de vários modelos que passa por várias iterações compete com um único modelo que tem apenas uma tentativa. Essa é uma configuração perfeitamente válida se o objetivo é mostrar o valor do próprio ciclo. Mas ela não prova que um modelo de 27B, sozinho, seja mais forte que o GPT-5.5. A diferença está mais no processo do que na "inteligência" de uma rede neural isolada.

O que ainda não consta no material

O texto disponível não traz as métricas usadas na avaliação: não se sabe se os autores contaram a proporção de jogos que podem ser completados, a diversidade de mecânicas, notas subjetivas de pessoas ou vereditos de outro modelo. Também não há informação sobre quantas iterações foram necessárias, quanto custou o processamento e quais modelos de 27B entraram no conjunto. Tampouco está claro em que conjunto de jogos o teste foi feito: arcades simples e projetos complexos, com muitos sistemas, se comportam de maneiras muito diferentes.

Outra questão é a confiabilidade da autoavaliação. Se o mesmo sistema joga e julga, ele pode deixar passar um defeito que seria óbvio para uma pessoa ou "corrigir" algo que não estava quebrado.

O que desenvolvedores e estúdios devem observar

A conclusão prática não depende dos números específicos do RSIGame. Se você constrói ferramentas baseadas em LLM para criar jogos, aplicativos ou outros softwares interativos, inclua no pipeline uma etapa de execução real e verificação do resultado. Mesmo um modelo pequeno, com playtest automático e algumas iterações, pode entregar um produto melhor do que um modelo caro com uma única tentativa.

Ao avaliar soluções desse tipo, vale exigir dos autores três coisas: um conjunto aberto de jogos de teste, a descrição das métricas e a comparação com o mesmo orçamento computacional. Até a publicação do artigo completo e do código, a afirmação de superioridade sobre o GPT-5.5 é melhor tratada como uma hipótese promissora, e não como fato estabelecido.