ИИ-агенты за три месяца декомпилировали шутер, потратив до 700 млрд токенов

Группа энтузиастов три месяца управляла ИИ-агентами, которые декомпилировали популярный шутер от первого лица и восстановили его код на C++. По словам автора проекта, восстановлено 99% функций, 83% из них совпадают с оригиналом побайтово, а игра работает без заметных багов. Расход автор оценивает в 600–700 млрд токенов. Историю он описал на Habr, и в центре её оркестрация агентов, а не сама игра.

Точность как требование

Целью было получить точную и стабильную реконструкцию, а не показать, что агенты на такое способны. Разница принципиальная. Когда нужно только «что-то похожее по поведению», агент может выдать правдоподобный код, и проверить его будет нечем. Когда нужен код, сравнимый с оригиналом на уровне байтов, у каждой функции появляется однозначный вердикт: совпало или не совпало.

Это и есть главный тезис автора: без объективной автоматической проверки такая схема не работает. Агент, чью работу оценивают на глаз или другой нейросетью, за недели накапливает ошибки и уверенно движется в неверную сторону. Компилятор и побайтовое сравнение не спорят и не устают.

Масштаб в цифрах

Посчитаем то, что следует из заявленных данных. 600–700 млрд токенов за три месяца, то есть примерно 90 дней, дают 6,7–7,8 млрд токенов в сутки. В пересчёте на секунды это в среднем 77–90 тысяч токенов непрерывно, днём и ночью. Такой темп человек не обеспечит ни при каких условиях. Он достижим только при параллельной работе множества агентов, которым нужна инфраструктура: очереди задач, изоляция окружений, учёт расходов, автоматический перезапуск.

Итоговые показатели проекта:

• срок работы: около трёх месяцев;
• расход: 600–700 млрд токенов (оценка автора);
• восстановлено функций: 99%;
• побайтовое совпадение с оригиналом: 83% от восстановленных, то есть около 82% от общего числа функций;
• результат: игра запускается и работает без заметных багов.

Остаётся около 17% функций, которые не совпали побайтово. Часть из них может вести себя идентично, но компилируется иначе. Для проекта, где цель — точность, это зона дальнейшей доработки.

Роль человека

Автор подчёркивает, что агентами управляли люди из сообщества. Автономность здесь означает не отсутствие надзора, а то, что человек задаёт рамки и смотрит на метрики, а не читает каждую строку. Подробности обвязки и настроек автор разбирает в оригинальной статье. Мы опираемся только на его вводную часть и не домысливаем детали реализации.

Что взять на вооружение

Первое: выбирайте задачи, где результат проверяется машиной. Декомпиляция с побайтовым сравнением, миграция кода с набором тестов, оптимизация с бенчмарком относятся к такому классу. Задачи вида «сделай красиво» к нему не относятся.

Второе: закладывайте бюджет токенов как статью расходов. Сотни миллиардов токенов — это уже вопрос финансового планирования, а не эксперимент на выходных.

Третье: считайте долю успеха по функциям, модулям или тестам, а не по ощущениям. Метрика вроде «83% совпало» позволяет понять, стоит ли запускать следующий круг работы агентов или пора подключать человека к оставшемуся хвосту.

Четвёртое: проверьте правовую сторону. Декомпиляция коммерческого ПО зависит от лицензии и юрисдикции, и техническая возможность этот вопрос не снимает.