Autopilot сам играет в игры и ищет баги: на 28,7% точнее Claude Code

Какую проблему решает

Ручное тестирование игр — это дорого и скучно. QA-инженеры часами проходят один и тот же уровень, чтобы проверить, что после вчерашнего коммита персонаж не проваливается сквозь пол. Классические автотесты помогают лишь отчасти: они ломаются при любом изменении интерфейса и не умеют просто «поиграть» и заметить, что что-то выглядит странно.

Autopilot пытается закрыть этот разрыв. Это агент, который запускает игру, изучает её кодовую базу, пробует геймплей и фиксирует баги. Играет он не через внутренний API движка, а с настоящей клавиатурой и мышью, то есть так же, как игрок.

Как это работает

Представьте, что вы делаете платформер на Godot 4 и добавили механику двойного прыжка. Вы запускаете Autopilot в режиме проверки конкретной фичи. Агент читает код, понимает, где живёт новая механика, запускает игру и пытается прыгать в разных ситуациях: у края платформы, возле стены, во время падения. Если персонаж зависает в воздухе или прыжок срабатывает трижды, это попадёт в итоговый отчёт.

Всего режимов четыре:

• проверка всей игры;
• поиск багов на отдельном уровне;
• тест конкретной фичи;
• достижение заданной цели, например «дойти до босса».

Ключевая идея — самообучение. Агент запоминает опыт прошлых прогонов и со временем играет лучше: быстрее находит нужные места, меньше блуждает и тратит меньше времени на уже изученное.

Что известно о цифрах и устройстве

Авторы заявляют, что Autopilot на 28,7% точнее Claude Code и втрое быстрее их предыдущего агента. Важная оговорка: это данные самих разработчиков. Методика сравнения, набор игр и критерии «точности» из поста не ясны, поэтому цифру стоит воспринимать как ориентир, а не как независимый бенчмарк.

Поддерживаются Unreal Engine 5, Unity 6 и Godot 4 на Windows и macOS. Агент подключается к Claude Code или Codex через вашу существующую подписку, то есть отдельную LLM оплачивать не нужно. Плагин для движка лежит в открытом репозитории на GitHub, а вот сам агент работает в облаке и закрыт.

Ограничения

Облачная часть означает, что билд игры и код, скорее всего, уходят вовне. Для студий с жёсткими NDA, неанонсированных проектов или консольных SDK это может стать блокером. Стоит выяснить, что именно передаётся и где хранится «память» агента.

Кроме того, поддержка ограничена десктопом. Мобильные игры, консоли и VR из заявленного списка выпали. Отдельный вопрос — стоимость: агент работает на вашей подписке, а долгие игровые сессии с большим числом шагов могут быстро упереться в лимиты.

Наконец, автономный тестировщик находит баги, но не заменяет оценку «весело ли играть». Ощущение от управления, баланс и темп по-прежнему остаются за людьми.

Что делать на практике

Если вы инди-разработчик или небольшая студия без выделенного QA, имеет смысл попробовать Autopilot на нескольких понятных сценариях: регрессия после крупного коммита, проверка новой механики, ночной прогон перед релизом. Начните с одного уровня и сравните найденные баги с теми, что нашли вручную. Так вы быстро поймёте реальную полезность.

Продактам и лидам стоит присмотреться к самой модели: агент с накапливаемой памятью, работающий поверх уже оплаченной подписки на кодового ассистента. Этот паттерн явно выйдет за пределы игр, в тестирование приложений и интерфейсов.

Открытый плагин позволяет изучить, как устроена интеграция с движками, и при желании адаптировать идеи под свой пайплайн. Репозиторий: github.com/ramenvr/autopilot. Но перед внедрением проверьте политику по данным и независимо оцените точность на своём проекте.