En resumen

  • Claude Opus 5 "one-shotted" un juego de disparos en primera persona con un prompt tan simple, y resultados tan impresionantes, que la gente se resiste a creerlo.
  • Otros han vuelto a ejecutar el prompt y los resultados se verifican.
  • Matt Shumer, el creador del juego asistido por Claude, llama al método un Gauntlet Loop: dale a un agente una meta real que superar, divide el trabajo entre críticos frescos, y nunca dejes que el constructor califique su propia tarea.

Solo dos días después de que Claude Opus 5 se lanzara, el inversor en IA y ex CEO de HyperWrite, Matt Shumer, publicó un video de un juego de disparos en primera persona completamente jugable que el modelo había construido enteramente por sí mismo.

"Claude Opus 5 one-shotted este juego", escribió, añadiendo que ni un solo recurso externo se utilizó en la creación.

Ahora, podrías pensar que una salida de tan buena calidad requirió un prompt largo, detallado y cuidadoso para guiar a los modelos de IA a través de las complejidades de construir un shooter en primera persona pulido.

Piénsalo de nuevo.

El prompt detrás de esto constaba de tres párrafos cortos, publicado completo en GitHub. Le decía a Opus 5 que construyera un shooter al nivel de los juegos más recientes de Call of Duty, que desplegara subagentes—trabajadores que cada uno tiene su propia memoria separada y una tarea específica—para abordar piezas individualmente, y que siguiera iterando en cada pieza con un crítico separado y severo hasta que resistiera la comparación con metraje real de Call of Duty en una comparación a ciegas lado a lado. El resultado, según el prompt, debería ser "absolutamente perfecto".


Eso es una inversión de cómo los ingenieros de prompts han enseñado a la gente a trabajar. El consejo durante el auge del vibe-coding era especificar criterios en lugar de adjetivos: decir qué significa "bueno" en lugar de solo pedirlo. ¿Qué debería considerar el código en lugar de decir "AAA"?

La versión de Shumer hace casi lo contrario, pidiendo a sus propios subagentes que estén "totalmente asombrados", y dejando la definición real a un crítico Opus 5 que se construyó a sí mismo.

Eso estuvo cerca de ser toda la instrucción. Shumer escribió más tarde que nunca especificó el renderizador, enumeró los sistemas del juego ni definió qué debía incluir la "calidad AAA". Ha comenzado a llamar a este enfoque Gauntlet Loop: entregar a un agente una barra real e inspeccionable en lugar de una instrucción vaga, dejar que divida el trabajo en pequeñas partes y enrutar cada parte a través de un crítico que nunca ve el razonamiento del constructor para sus elecciones.

Dos características de Claude Code llevan ese bucle. Los subagentes se inician en contextos aislados con sus propias instrucciones y acceso a herramientas, por lo que un crítico que evalúa el modelo de arma no hereda las excusas del constructor sobre por qué se ve como se ve. Ultracode es una configuración de Claude Code que empuja al modelo a su máximo esfuerzo de razonamiento y le permite escribir su propio plan de orquestación, distribuyendo el trabajo entre hasta 16 agentes a la vez, con un límite de 1,000 por ejecución.

La habilidad /loop integrada de Anthropic, diseñada para ciclos repetidos de arreglar-probar-ajustar, es lo que evitó que la ejecución se detuviera en el momento en que el juego se veía decente. Shumer nunca especificó un número de rondas. Dejó que el crítico siguiera nombrando una nueva brecha y mantuvo al constructor persiguiéndola durante horas antes de cerrar la sesión él mismo.

La compilación final se ejecuta en Three.js y WebGL2 puro, con aproximadamente 55,000 líneas de código distribuidas en 11 subsistemas. Cada textura, malla, animación y sonido se genera dentro del navegador en el momento de la carga: sin modelos descargados, HDRIs, archivos de imagen o archivos de audio. El registro de crítico publicado por el propio Shumer muestra la puntuación subiendo de 3.59 sobre 10 hacia poco más de 5, aún por detrás del juego real en cada ronda.

Los escépticos asumieron horas de codificación manual oculta, así que Shumer publicó el prompt completo y el código fuente. Fue entonces cuando comenzaron los imitadores.

Mismo truco, tres constructores diferentes

James Altucher, el ex administrador de fondos de cobertura y podcaster, ejecutó el mismo prompt e informó haber pasado "un poco más de diez horas" y aproximadamente 1.3 millones de tokens en Opus 5 para llegar allí. Su compilación, Operation Blackout, se juega gratis en el navegador y se ve increíble.

Puedes jugar ese juego aquí.

El desarrollador de Prompt Silo dirigió la misma solicitud al buque insignia rival de OpenAI, publicando "Sol 5.6 Ultra con el mismo prompt" — siendo Sol el nivel superior de la familia de tres modelos GPT-5.6 que OpenAI puso a disposición general el 9 de julio junto con las versiones más económicas Terra y Luna.

El desarrollador Leon Lin probó el movimiento contrario, optando por el prompt detallado habitual. En lugar de copiar la versión corta de Shumer, se propuso "ingeniería inversa de un prompt para este juego", produciendo un documento de unas 20 secciones de profundidad que detalla todo, desde la física de ragdoll hasta los mapas de sombras en cascada. Lo introdujo en Cursor usando Opus 5 normal con esfuerzo alto, sin subagentes y sin ultracode, y el resultado — un shooter callejero llamado Dust Corridor — también se juega en el navegador y se ve genial.

Ninguna de las versiones posteriores ha enfrentado la prueba a ciegas que Shumer realizó en su propio proyecto. Su registro de críticas aún muestra que el Call of Duty real gana cada ronda que registró: el estándar que Altucher y Atom Tan Studio persiguen con su indicación exacta de tres párrafos, y el que Leon Lin persigue con aproximadamente 20 secciones de la suya.

¿Cuánto de esto es realmente nuevo?

Las herramientas de codificación agénticas como Claude Code escriben software de la manera en que un ingeniero junior supervisado podría hacerlo: leen archivos, ejecutan código, miran las capturas de pantalla que generan y entregan partes del trabajo a subagentes y críticos que verifican el resultado contra un objetivo declarado. Ese ciclo es real, y el Gauntlet Loop de Shumer es una forma genuina de estructurarlo. Nada de eso, por sí solo, prueba que el modelo diseñó un juego desde la imaginación en lugar de recombinar patrones de código que ya había absorbido.

Three.js incluye sus propios controles de cámara con bloqueo de puntero como ejemplo oficial, y ese patrón base (mirar con el mouse, movimiento WASD, raycasting para disparos) ha sido bifurcado y convertido en tutoriales en GitHub, gists y foros de desarrolladores durante más de una década. Un modelo de codificación entrenado en repositorios públicos casi con seguridad ha visto cientos, si no miles, de shooters casi idénticos antes de leer la indicación de Shumer.

Eso no hace que Claude of Duty sea falso, pero hace que "construido desde cero" sea una afirmación más difícil de aceptar por completo, así que toma esos resultados con un grano de sal.

Los investigadores que estudian los modelos de generación de código tienen un nombre para el problema más amplio: contaminación de datos, cuando un modelo se desempeña bien en una tarea principalmente porque ejemplos casi idénticos ya estaban en sus datos de entrenamiento, no porque razonó algo nuevo.

Ninguna de las versiones del shooter en primera persona publicó una verificación para ese tipo de contaminación. El propio repositorio de Shumer contiene la creatividad de Claude, si es justo llamarlo así. Esa es una razón para leer "disparó de un solo tiro un juego AAA" como un agente capaz trabajando dentro de uno de los géneros más documentados en programación, no como prueba de que una IA diseñó un shooter sin arte previo en el que apoyarse.