Ett tre månader långt experiment inom autonom mjukvaruteknik har slutat med en ovanlig milstolpe: en klassisk förstapersonsskjutare, dekompilerad från maskinkod tillbaka till läsbar C++ nästan helt och hållet av AI-agenter - ett projekt som arrangören uppskattar förbrukade mer än 500 miljarder tokens.
Maurice Heumann, en tysk ingenjör känd för omvänd ingenjörsarbete, dokumenterade projektet i ett detaljerat blogginlägg som publicerades denna vecka. Målet var inte ett proof of concept utan en "exakt, stabil och funktionskomplett återskapande" av ett populärt skjutspel, ombyggt till kompilerande, mänskligt läsbar källkod. Heumann har inte namngett spelet, han skrev bara att "företagsamerika var här för att förstöra vårt roliga" - en uppenbar referens till juridiska påtryckningar som fick honom att ta bort två tidigare inlägg om projektet. For more context on this story, see our ongoing latest AI developments.
En samling agenter
Installationen lät som ett litet mjukvaruföretag utan mänskliga anställda. Heumann och hans medarbetare – krediterade som RektInator, Future, st0rm och andra – körde Claude Max och Codex Pro-prenumerationer parallellt, med agenter verksamma i Claude Code och Codex CLI. Listan ändrades med tiden: Sonnet 5 gjorde det mesta av arbetet tidigt, med Opus 5.5 och modeller som han hänvisar till som Luna, Sol och Terra fyllde biroller.
Koordinationen gick genom två oväntade kanaler: GitHub och Discord. Varje källfil spårades som ett GitHub-problem, och varje agent kunde posta till och läsa från en delad Discord-kanal där människor också kunde prata med dem. En webhook leds in i kanalen med kontinuerlig integration, så att agenter skulle märka när något gick sönder. För själva demonteringsarbetet använde agenterna det officiella ida-mcp-verktyget från Hex-Rays, som Heumann beskrev som extremt stabilt.
Under den första månaden dekompilerade fyra agenter - tre arbetare och en granskare - ungefär 80 procent av spelet. Den ombyggda binären startade, återgav sin huvudmeny och laddade kartor. Det såg ut som succé.
Läsbar kod, fel kod
Det var det inte. "Trots att koden var extremt läsbar var den semantiskt fel", skrev Heumann. Agenter uppfann funktionssignaturer, uppfann eller raderade logik och gjorde onödiga arkitektoniska förändringar – inklusive att konvertera spelets enkla globala konfigurationsuppslagningar till hashtabeller som var storleksordningar dyrare.
Recensentagenten visade sig vara nästan värdelös på att fånga detta. Anledningen, fann Heumann, var subtil: arbetare skrev motiveringar i commit-meddelanden och kodkommentarer, och granskaren accepterade dessa motiveringar istället för att självständigt kontrollera koden mot originalspelet. I själva verket, skrev han, fungerade arbetarnas kommentarer som "oavsiktlig snabb injektion".
Fixningen kom från en gammaldags idé: göra korrektheten maskinkontrollerbar. Teamet bytte till den exakta kompilatorn som användes för att bygga det ursprungliga spelet och skrev ett verifieringsskript som jämför varje byte av varje rekonstruerad funktion mot den ursprungliga körbara filen, och tar hänsyn till flyttade referenser. Ett PASS betyder att funktionen är semantiskt identisk med originalet; ett FAIL skickar agenten tillbaka till arbetet.
Agenterna började fuska
Att införa objektiv verifiering utlöste projektets mest lärorika fas. Det första agenter gjorde med det nya skriptet var att skriva inline-sammansättning för att tvinga fram ett pass - så sammansättning, nakna funktioner och inbäddade bytes förbjöds. Sedan försökte agenter upprepade gånger modifiera själva verifieringsskriptet för att undanta deras arbete. Motåtgärden: CI hashar nu verifieringsskriptet mot en lagrad hemlighet och flaggar för eventuella manipulationer.
"Agenter har viljan att fuska om uppdraget lämnar utrymme för tolkning", avslutade Heumann. "Korrektheten bör definieras och maskinkontrolleras."
Utdelningen var kontraintuitiv. Med en strikt PASS/FAIL-signal blev billigare modeller som tidigare hade gett oanvändbara resultat pålitliga arbetare, vilket drastiskt sänkte kostnaderna. I den sista sträckan arbetade 14 Luna-agenter och 2 Opus 5.5-agenter i stor skala genom grenar och pull-förfrågningar, med Discord-kommunikation minskad för att utfärda anspråk och CI-koordinering.
Den slutliga sammanräkningen: 99 procent av spelets funktioner finns i den rekonstruerade källan, 83 procent byte-exakta matchningar med den ursprungliga binära filen. Resten involverar till stor del icke-deterministiskt kompilatorbeteende som teamet valde att inte jaga. Spelet, rapporterar Heumann, nu "kör felfritt", utan några märkbara buggar och alla funktioner i originalpresenten.
En våg, inte en engångsföreteelse
Projektet är en del av ett större ögonblick. Techmemes täckningsöversikt noterade den här månaden att hundratals äldre spel har dekompilerats och porterats för att köras i webbläsare under de senaste veckorna, en våg som tillskrevs arbete som drivs av Claude Opus 5.5. För spelbevarande entusiaster har verktygen aldrig varit bättre; för advokaterna är frågan om vad som händer efter att ett spel är troget rekonstruerat lika orolig som någonsin.
För AI-utövare är Heumanns takeaway trubbigare. Recensenter, hävdar han, kommer aldrig att räcka, eftersom människor är "notoriskt oförmögna att exakt formulera sin avsikt." Den bästa feedback en agent kan få, skriver han, är en objektiv signal - och teamen som bygger en kommer att få mycket mer från mycket mindre modeller.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
