
Claude Opus 5.5 สร้าง RTS ที่คุณเล่นผ่านเสียง: เจาะลึกโมเด็มเสียงของ Battle Drones
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 10 tok/s
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash 10172026-10-1745ความฉลาด
- DeepSeekใหม่DeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 150 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 297 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 49 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 826 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 47 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 94 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
โทรศัพท์สองเครื่องบนโต๊ะ ไม่มี Wi-Fi ไม่มี Bluetooth ไม่มีเซิร์ฟเวอร์อยู่ที่ไหนเลย เครื่องหนึ่งเป็นโฮสต์ของการแข่งขันวางแผนกลยุทธ์แบบเรียลไทม์ อีกเครื่องเข้าร่วม และสิ่งเดียวที่ส่งผ่านระหว่างกันคือเสียง — คลื่นพาหะราว 10 kHz ที่ไปทางหนึ่ง และ 17 kHz ไปอีกทางหนึ่ง ซึ่งบรรทุกคำสั่งของผู้เล่นด้วยอัตราราว 1,880 บิตต่อวินาที นั่นคือฟีเจอร์ใหม่ล่าสุดของClaude Opus 5.5 ซึ่งเป็นผลงานสาธารณะที่ทะเยอทะยานที่สุดจนถึงตอนนี้: Battle Drones ซึ่งเป็น RTS บนเบราว์เซอร์สไตล์ Command & Conquer ที่ Simon Willison เผยแพร่เมื่อวันที่ 20 ตุลาคม 2026 หลังผ่านรอบพัฒนาสำคัญสิบสองรอบและ 321 คอมมิต โดยส่วนใหญ่มาจากเอเจนต์เขียนโค้ด Anthropic เปิดตัว Claude Opus 5.5 เมื่อวันที่ 22 กันยายน 2026 ในราคา 4 ดอลลาร์ต่อหนึ่งล้านโทเค็นอินพุต และ 20 ดอลลาร์ต่อหนึ่งล้านโทเค็นเอาต์พุต ดังนั้นตัวโมเดลเองจึงมีอายุหนึ่งเดือน; สิ่งใหม่ในสัปดาห์นี้คือสิ่งที่มันถูกใช้สร้าง และข้อกำหนดเปิดที่มาพร้อมกับมัน ผลงานสาธารณะเช่นนี้มักละเว้นที่จะบอกว่าโมเดลล้มเหลวอย่างไรในเบื้องหลัง และเหตุการณ์ที่บันทึกไว้ได้รับการจัดหมวดหมู่ในOrcaRouter AI Incident Archive ซึ่งแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง ระดับความเชื่อมั่น และแฟล็กข้อโต้แย้งของตนเอง
ข้อกล่าวอ้างนั้นทั้งสองส่วนสามารถตรวจสอบได้ เกมนี้ทำงานที่ simonw.github.io/battledrones/ ซอร์สโค้ดอยู่บน GitHub ภายใต้ Apache-2.0 และลิงก์เสียงไม่ใช่กล่องดำ — ในรีโปมี SOUND-DUEL.md ข้อกำหนดของโมเด็มฉบับเต็ม ซึ่งประกอบด้วยแผนผังย่านความถี่ อัตราการเข้ารหัส รูปแบบแพ็กเก็ต และค่าอัตราสัญญาณต่อเสียงรบกวนที่วัดได้ ต่อไปนี้คือสิ่งที่เอกสารนั้นและโพสต์กล่าวไว้จริง แยกออกจากสิ่งที่ทั้งสองไม่ได้กล่าวถึง
อะไรถูกจัดส่งเมื่อวันที่ 20 ตุลาคม
Battle Drones ไม่ใช่เดโมรีล ตามที่อธิบายไว้ในบทความ มันมีอาคารเก้าแห่ง ยานพาหนะภาคพื้นดินเจ็ดคัน ยานทางอากาศหกลำ และประเภททหารราบสามประเภท ทั้งหมดสร้างเป็นโมเดล 3D ที่สร้างด้วย TypeScript แทนที่จะโหลดจากแพ็กแอสเซ็ต มีหมอกสงคราม พร้อมข้อกำหนดอาวุธต่อต้านอากาศยานและต่อต้านภาคพื้นดินแยกจากกัน แผนที่หกแผนที่ครอบคลุมห้าไบโอม พร้อมตัวสร้างแผนที่สุ่มแบบมีซีดที่สร้างสนามรบขนาด 108×108 ที่สมมาตรแบบจุด — สร้างขึ้น ตามโพสต์ ในช่วงสปรินต์ 45 นาที หลังจากผู้เขียนสังเกตว่าเขาเหลือโควต้า Claude รายสัปดาห์อยู่ 25% และเหลือเวลาอีก 45 นาทีก่อนรีเซ็ต
โหมดต่าง ๆ ได้แก่ skirmish, คลื่นเอาชีวิตรอด Last Stand, การชม AI ปะทะ AI, แคมเปญแปดภารกิจ และสิ่งที่แปลกจริง ๆ: โหมด agent ปะทะ agent ที่โมเดลภาษาสองตัวเล่นกันผ่านเครื่องมือที่เปิดเผยเฉพาะสถานะเกมที่ไม่ใช่ภาพและมองเห็นได้ตามหมอกสงครามเท่านั้น เรพลย์ที่บันทึกไว้ของการแข่งขันเหล่านั้นมาพร้อมกับรีโป พร้อมตัวดูดีบักที่แสดงการตอบสนองของโมเดลเบื้องหลัง
จำนวนนับใน README ของรีโพซิทอรีเองคลาดเคลื่อนไปเล็กน้อยจากรายการฟีเจอร์ในโพสต์ — README ระบุว่ามีสิบหกยูนิตและสิบอาคาร ขณะที่โพสต์แจกแจงเก้าอาคารและสิบหกยูนิต ครอบคลุมทั้งภาคพื้น อากาศ และทหารราบ สิบหกตรงกัน ส่วนจำนวนอาคารไม่ตรง เป็นเรื่องเล็ก แต่ก็เป็นความคลาดเคลื่อนแบบที่เกิดขึ้นเมื่อเอเจนต์เป็นคนเขียน README และไม่มีใครตรวจสอบ และผู้เขียนกล่าวตรงๆ ว่าเขา "แทบไม่ได้ตรวจสอบโค้ดเลย"
การเชื่อมโยงเสียง ในรูปแบบตัวเลข
นี่คือส่วนที่คุ้มค่าที่จะอ่านสเปก เพราะ "มัลติเพลเยอร์ผ่านเสียง" ฟังดูเหมือนกลเม็ดเรียกความสนใจ จนกว่าคุณจะเห็นงบประมาณทางวิศวกรรมที่มันต้องอยู่ในกรอบนั้น อุปกรณ์สองเครื่องใช้ห้องเดียวและช่องสัญญาณเสียงเดียว ดังนั้นการออกแบบจึงเป็น frequency-division duplex: โทรศัพท์ทั้งสองเครื่องส่งสัญญาณอย่างต่อเนื่อง โดยโฮสต์อยู่ในช่วง 9.525–12.5 kHz และเกสต์อยู่ในช่วง 15.975–18.95 kHz โดยวางแถบความถี่ไว้เพื่อให้ฮาร์มอนิกที่สองของโฮสต์เริ่มต้นสูงกว่า 19.05 kHz และอินเทอร์มอดูเลชันอันดับสามจากแต่ละแถบอยู่ห่างจากอีกแถบหนึ่ง
• การมอดูเลต — OFDM ที่ระยะห่างโทน 25 Hz โดยมีสัญลักษณ์ที่มีประโยชน์ 40 ms บวกกับไซคลิกพรีฟิกซ์ 10 ms ดังนั้น 50 ms ต่อสัญลักษณ์ และ 20 สัญลักษณ์ต่อวินาที
• เพย์โหลด — 188 บิตต่อแพ็กเก็ตในแผนย่านความถี่สูง และ 186 ในแผนสำรองย่านความถี่ต่ำ โดยมีค่าเหมือนกันในทั้งสองโหมด ดังนั้นการสลับโหมดจึงไม่เปลี่ยนปริมาณที่บรรจุได้
• อัตราการส่งข้อมูล — 1,880 บิต/วินาที ในโหมด high fast, 940 บิต/วินาที high robust, 930 และ 465 ในแผนต่ำ; แพ็กเก็ตใช้เวลา 100, 200, 200 และ 400 มิลลิวินาที ตามลำดับ
• การควบคุมข้อผิดพลาด — รหัสคอนโวลูชันที่ K=7, อัตรา ½, พหุนาม 133/171, การถอดรหัส Viterbi แบบซอฟต์, การอินเทอร์ลีฟข้ามสัญลักษณ์และโทน, CRC-16 ด้วยพหุนาม 0x1021 และการปฏิเสธแบบเด็ดขาดหากบิตที่เข้ารหัสใหม่เกิน 10% ไม่ตรงกัน
• การจัดเฟรม — หนึ่งสัญลักษณ์ซิงค์พร้อมสัญลักษณ์ข้อมูล 40 สัญลักษณ์ต่อซูเปอร์เฟรม, 41 สัญลักษณ์ หรือ 2.05 วินาที, บรรทุก 20, 10, 10 หรือ 5 แพ็กเก็ต ขึ้นอยู่กับแผนบริการและโหมด
• ลิงก์ที่วัดได้ — ค่า SNR ของกำลังสัญญาณ 40–70 dB ในทุกแบนด์ 1 kHz ตั้งแต่ 1 ถึง 21 kHz ที่ระยะ 10–30 ซม. โดยลดลงเหลือ 17–31 dB ที่มีผลจริงที่ระยะ 10 ซม. และ 9–19 dB ที่ระยะ 30 ซม. เมื่อคำนึงถึงเสียงสะท้อนแล้ว โดยมีเสียงสะท้อนมาถึงตามหลังเส้นทางตรง 8–15 ms
ส่วนที่ซื่อสัตย์ของสเปกคือสิ่งที่มันปฏิเสธที่จะสัญญา ไม่มี ARQ: แพ็กเก็ตที่หายไปจะไม่ถูกส่งซ้ำ แพ็กเก็ตถัดไปเพียงอธิบายทุกเทิร์นที่ยังไม่ได้รับการตอบรับใหม่ และหาก backlog ใหญ่เกินหนึ่งแพ็กเก็ต มันจะถูกแบ่งออกเป็นสูงสุดสี่เซกเมนต์ที่หมุนเวียนกัน ดังนั้น backlog ขนาดใหญ่จึงกลายเป็นการหยุดชะงักแบบ lockstep แทนที่จะเกิดความเสียหายของข้อมูล เทิร์นจะถูกยอมรับเพียงครั้งเดียวต่อเทิร์นด้วย high-water mark และแพ็กเก็ตเกมได้รับการป้องกันด้วย CRC ที่ผูกกุญแจกับ nonce ของการจับคู่ทั้งสอง ดังนั้นการบันทึกของการแข่งขันอื่นจะไม่ผ่านการตรวจสอบ อย่างที่สเปกกล่าวไว้ การถูกรบกวน (jamming) สามารถอยู่รอดได้แต่ป้องกันไม่ได้: คุณจะหยุดชะงัก แต่จะไม่หลุดซิงก์อย่างเงียบ ๆ
ตัวเลขการส่งข้อมูลจากการทดสอบด้วยแบบจำลองห้องอยู่ที่ 99% ขึ้นไปที่ 20 ซม. และ 95% ที่ 40 ซม. ในโหมด robust และ 98% ที่ 20 ซม. ในโหมด fast นี่เป็นผลการจำลองที่ระบุไว้ในสเปก ไม่ใช่การศึกษาในภาคสนาม — และตัวโพสต์เองก็บอกว่าฟีเจอร์นี้ยังใหม่มากตอนที่เปิดตัว: "ผมเพิ่งทำให้มันใช้งานได้เมื่อไม่นานนี้ เลยยังไม่มีเวลาทดสอบมันอย่างจริงจังมากนัก"

บั๊กที่สำคัญยิ่งกว่าโมเด็ม
รายละเอียดที่ซ่อนอยู่ในข้อสังเกตช่วงท้ายคือรายละเอียดที่มีแนวโน้มจะเป็นประโยชน์ที่สุดสำหรับใครก็ตามที่กำลังสร้างซอฟต์แวร์แบบมีสถานะด้วยเอเจนต์ เนื่องจากทั้งรีเพลย์และมัลติเพลเยอร์แบบล็อกสเต็ปต่างต้องการให้การจำลองเหมือนกันทุกบิตบนทุกอุปกรณ์ Claude จึงต้องเลิกเรียก Math.sin() และ Math.cos() — Chrome กับ Safari คืนค่าที่ต่างกันเล็กน้อยมาก — แล้วใช้อิมพลีเมนเทชันของตัวเองแทน การที่เบราว์เซอร์สองตัวไม่ตรงกันในบิตสุดท้ายของฟังก์ชันอดิศัยก็เพียงพอที่จะทำให้แมตช์หลุดซิงก์ในอีกไม่กี่นาทีให้หลัง
นั่นคือข้อจำกัดทางวิศวกรรมที่แท้จริง ซึ่งถูกค้นพบโดยโมเดลและแก้ไขโดยโมเดล และมันขยายใช้ได้ไกลเกินกว่าเกมมาก ระบบใดก็ตามที่สร้างโดยเอเจนต์และมีแกนกลางแบบดีเทอร์มินิสติก — ตัวจัดตาราง การรีเพลย์บัญชีแยกประเภททางการเงิน ฮาร์เนสสำหรับการจำลอง บิลด์ที่ทำซ้ำได้ — จะเจอปัญหาประเภทเดียวกัน และจะเจออย่างเงียบ ๆ บทเรียนสำหรับผู้อ่านไม่ใช่ "Claude เก่งเกม" แต่คือความดีเทอร์มินิสติกต้องเป็นข้อกำหนดที่ชัดเจนในพรอมป์ต์ เพราะไม่มีอะไรในการใช้งานเริ่มต้นทำให้มันเป็นจริง
Radio Probe และแพตเทิร์นการพรอมต์ที่น่าขโมย
ก่อนจะเขียนโมเด็ม โมเดลได้สร้างหน้าการวัดขึ้นมา โพสต์นี้อธิบายถึงเครื่องมือ "Radio Probe" ซึ่งยังอยู่ในรีโปในชื่อ radio-probe.html โดยมีหน้าที่ตอบคำถามข้อเดียว: สองอุปกรณ์จะได้แบนด์วิดท์ระหว่างกันจริงมากแค่ไหน ในห้องนี้ ที่ระยะนี้? การนำไปใช้งานเต็มรูปแบบจึงเดินหน้าต่อหลังจากโพรบให้ตัวเลขที่ดีพอจะใช้เป็นเหตุผลได้เท่านั้น ไฟล์เดียวกันนี้บันทึกสองสิ่งที่โพรบ ยังไม่ได้วัด — การที่ iPhone ส่งสัญญาณโดยเปิดไมโครโฟนของตัวเอง และการที่โทรศัพท์ได้ยินการส่งสัญญาณของตัวเอง — ซึ่งเป็นโหมดความล้มเหลวที่มีความสำคัญในภาคสนามพอดี
รูปแบบนี้คุ้มค่าที่จะลอกเลียนไม่ว่าคุณจะใช้โมเดลใด: ให้เอเจนต์สร้างเครื่องมือวัดก่อนที่จะสร้างฟีเจอร์ วัดก่อน สร้างทีหลัง คือวิธีที่คุณหลีกเลี่ยงงานหนึ่งสัปดาห์ที่ต้องตั้งอยู่บนสมมติฐานที่ไม่มีใครตรวจสอบ และยังให้ตัวเลขที่ทำให้ข้ออ้างอย่าง "audio multiplayer works" ตรวจสอบได้จริงแทนที่จะฟังดูน่าหลงใหล
สิ่งที่ข้อความนี้บอกเกี่ยวกับ Claude Opus 5.5 และสิ่งที่มันไม่ได้บอก
ข้อกล่าวอ้างที่หนักแน่นที่สุดในโพสต์นั้นมีความเฉพาะเจาะจง Willison เขียนว่า Claude Opus 5.5 “ยอดเยี่ยมในการสร้างโมเดล 3D ด้วย Three.js” — อาคาร ยานพาหนะ และภูมิทัศน์ทุกอย่างในเกมถูกสร้างขึ้นในโค้ดแบบ procedural และเขาจัดให้ GPT-6 Astra อยู่ในระดับเดียวกัน เขายังระบุว่าโมเดลนี้เขียนเพลงได้: ไม่มีไฟล์เสียงในโปรเจกต์ และเพลงประกอบถูกสร้างขึ้นในโค้ด แตกต่างกันไปตามแผนที่ และทวีความเข้มข้นขึ้นเมื่อการต่อสู้ร้อนระอุ
ผลลัพธ์อีกสองข้อเป็นข้อมูลที่ผู้เขียนรายงานเอง มิได้ผ่านการทำซ้ำอย่างเป็นอิสระ จึงควรอ่านโดยคำนึงถึงข้อนี้ "fun update" เป็นเพียงพรอมต์เดียว — "เกมนี้ยังสนุกไม่พอ ทำให้สนุกขึ้นมาก ๆ" — ที่รันในโหมดเวิร์กโฟลว์แบบไดนามิกซึ่งประสานงานเอเจนต์ย่อยจำนวนมากเป็นเวลาหลายชั่วโมง ในระหว่างนั้นโมเดลได้รันเซสชันทดสอบการเล่นจำลองกว่าหนึ่งพันครั้ง ผลลัพธ์ที่รายงาน จาก 1,200 แมตช์ AI ปะทะ AI ในระดับความยาก Normal: เกมที่ยังไม่ตัดสินผลหลัง 25 นาทีลดลงจาก 14% เหลือ 0.9% และสัดส่วนชัยชนะของฝ่ายที่ตามหลังอยู่ 800+ scrap เพิ่มขึ้นจาก 24% เป็น 46% สิ่งเหล่านี้เป็นการวัดของผู้เขียนจากเกมของเขาเอง ไม่ใช่ benchmark ของโมเดล
สิ่งที่ชิ้นงานนี้ไม่ได้แสดงให้เห็นก็สำคัญพอ ๆ กัน ไม่มีการประเมิน Claude Opus 5.5 โดยบุคคลที่สามในด้านการพัฒนาเกม ไม่มีการเปรียบเทียบแบบตัวต่อตัวกับโมเดลอื่นบนงานเดียวกัน และไม่มีการบัญชีโทเคนหรือค่าใช้จ่ายเป็นดอลลาร์สำหรับการรันเหล่านั้น กรอบความคิดของผู้เขียนเองคือเขา "แทบไม่รู้อะไรเลยเกี่ยวกับการพัฒนาเกม" "แทบไม่ได้ตรวจโค้ดเลย" และไม่ถือว่าผลลัพธ์นี้เป็นโปรเจกต์อินดี้จริงจัง นี่เป็นชุดข้อแม้ที่ตรงไปตรงมาอย่างผิดปกติ และมันจำกัดขอบเขตที่ผลลัพธ์นี้จะสรุปเป็นภาพรวมได้ไกลแค่ไหน: นี่คือผู้ปฏิบัติงานหนึ่งคน ฐานโค้ดหนึ่งชุด หนึ่งเดือน
ค่าใช้จ่ายในการดำเนินโครงการแบบนี้คือเท่าไร
ตารางราคาที่ Anthropic ประกาศสำหรับ Claude Opus 5.5 คือ 4.00 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น, 20.00 ดอลลาร์ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น และ 0.20 ดอลลาร์ต่อการอ่านจากแคช 1 ล้านโทเค็น โปรเจกต์ที่มีลักษณะเช่นนี้แทบจะถูกจำกัดด้วยเอาต์พุตเป็นเกือบทั้งหมด — โมเดลกำลังเขียน TypeScript ไม่ได้อ่านคลังข้อความขนาดใหญ่ที่คงที่ — ดังนั้นบรรทัดค่าใช้จ่ายด้านเอาต์พุตที่ 20 ดอลลาร์คือบรรทัดที่กำหนดค่าใช้จ่าย และการรันข้ามคืนหลายชั่วโมงด้วยความขนานสูงคือสิ่งที่เปลี่ยน "ราคาถูกต่อโทเค็น" ให้กลายเป็นตัวเลขจริง ไม่มีการเผยแพร่ยอดรวมสำหรับ Battle Drones ดังนั้นข้อความที่ตรงไปตรงมาคือเพดานถูกกำหนดโดยจำนวนชั่วโมงของเอเจนต์ที่คุณยินดีจ่าย ไม่ใช่โดยตัวเลขใด ๆ ในโพสต์
นั่นก็เป็นเหตุผลเช่นกันที่เราไม่ควรผูกเส้นทางโปรดักชันไว้กับโมเดลเดียวเพียงเพราะผลงานชิ้นหนึ่งที่น่าประทับใจ Claude Opus 5.5 อยู่บน OrcaRouter ในราคาตามที่ Anthropic ประกาศ โดยบวกเพิ่ม 0% ดังนั้นหากผู้ให้บริการเปลี่ยนแปลงราคา ฝั่งเราก็อัปเดตในวันเดียวกัน และการสลับไปใช้ระบบสำรองอัตโนมัติหมายความว่าการรันเอเจนต์ที่ยาวนานจะไม่ตายเพียงเพราะปลายทางต้นทางรายหนึ่งมีปัญหาช่วงบ่าย หากคุณต้องการทดสอบว่าการสร้างแบบข้ามคืนเช่นนี้สามารถทำซ้ำได้บนโมเดลอื่นหรือไม่ API เดียวสำหรับกว่า 200 โมเดลคือวิธีที่ประหยัดที่สุดในการหาคำตอบ — รูปแบบคำขอเดิม เปลี่ยนชื่อโมเดล ไม่ต้องมีสัญญาที่สอง

สิ่งที่ยังไม่ได้รับการยืนยัน
• ความนิยม — เมื่อตรวจสอบเมื่อวันที่ 21 ตุลาคม 2026 ซึ่งเป็นหนึ่งวันหลังจากโพสต์เผยแพร่ พบว่า repository มี 4 ดาวและ 0 ฟอร์ก สิ่งนี้ไม่ใช่ปรากฏการณ์ หากแต่เป็นโปรเจกต์ของคนคนหนึ่งที่เผยแพร่ออกมา
• ความน่าเชื่อถือของการเชื่อมต่อเสียงในการใช้งานจริง — เปอร์เซ็นต์การส่งข้อมูลตามสเปกได้มาจากการทดสอบด้วยแบบจำลองห้อง และผู้เขียนระบุว่าเขามีเวลาไม่มากนักในการทดสอบคุณสมบัตินี้อย่างจริงจัง อย่าตีความว่า 99% เป็นคำมั่นสัญญาเกี่ยวกับโต๊ะในครัวของคุณ
• งานที่มีอยู่ก่อน — โพสต์อ้างถึง Siner โดย Alon Horesh และ ggwave โดย Georgi Gerganov ว่าเป็นงานเดียวที่เทียบเคียงได้ที่พบ และเรียกมัลติเพลเยอร์ผ่านเสียงสำหรับเกม HTML แบบสแตติกว่า "เป็นครั้งแรกสำหรับ RTS เท่าที่ผมทราบ" นั่นคือการค้นหาของผู้เขียนเอง ไม่ใช่การทบทวนวรรณกรรม
• การระบุที่มาของโค้ด — Claude Opus 5.5 เป็นผู้ขับเคลื่อนการปรับแก้ส่วนใหญ่ในรอบหลัง ๆ แต่เวอร์ชันแรกสร้างด้วย Claude Fable 5 ย้อนไปเมื่อเดือนกรกฎาคม และตัว README เองก็ระบุว่าส่วนที่เหลือของเอกสารเขียนโดย Claude ให้ถือว่า repo นี้เป็นสิ่งประดิษฐ์ที่มีที่มาผสมกัน
• ผลลัพธ์ benchmark — ไม่มีเลย ไม่มีอะไรในนี้ที่วัด Claude Opus 5.5 เทียบกับโมเดลอื่นบนงานที่มีการให้คะแนน
สิ่งที่น่าจะหยิบไปใช้จริงนั้นแคบกว่าและมีประโยชน์มากกว่า "AI สร้างเกมได้" เกม RTS บนเบราว์เซอร์ที่ไม่มีแบ็กเอนด์ มีการจำลองแบบดีเทอร์มินิสติก และมีโมเด็มอะคูสติกที่ใช้งานได้จริง คือการสาธิตว่าส่วนที่ยากของการสร้างซอฟต์แวร์ด้วยเอเจนต์ได้ย้ายจากการสร้างโค้ดไปสู่การกำหนดข้อจำกัด — ความเป็นดีเทอร์มินิสติก การวัด พฤติกรรมเมื่อเกิดข้อผิดพลาด — ให้แม่นยำพอที่โค้ดที่สร้างออกมาจะตรวจสอบได้ เอกสาร SOUND-DUEL.mdคือหลักฐานตรงนั้น: มันมีอยู่เพราะมีคนบังคับให้โมเดลเขียนออกมาว่าลิงก์ทำอะไรได้และทำอะไรไม่ได้ก่อนจะปล่อยของ ถ้าคุณอยากรู้ว่าวินัยแบบนี้ถ่ายโอนไปยังงานของคุณเองได้ไหม ลองใช้พรอมป์เดียวกันกับโมเดลอีกรุ่นแล้วเทียบสเปก ไม่ใช่เทียบภาพหน้าจอ

การเปรียบเทียบในบทความนี้2
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
