Studio game yang agennya rilis ke produksi tiap jam

Simon Willison menyoroti cerita mencolok dari Jacob Sansbury tentang Spawn, game multiplayer tempat pemain mengubah dunia dengan memberi prompt ke agen dalam game bernama Savi. Willison mencobanya lewat ponsel dan meminta Savi membangun kastil, lalu naga, lalu menungganginya berkeliling. Klaim yang lebih menarik adalah cara game itu sendiri dibangun: sekumpulan agen menyunting kode produksi secara langsung dan rilis ke produksi sekitar sekali per jam, nyaris tanpa keterlibatan manusia.

Model kerjanya membalik kehati-hatian engineering yang biasa. Agen membaca sendiri error produksi, laporan bug, metrik, dan log, dan menurut Sansbury sekitar 60% pekerjaan berawal dari salah satu sinyal itu, bukan dari permintaan manusia. Savi membuat laporan bug-nya sendiri, lalu seorang agen memilah tiap laporan sebagai bug nyata, ditolak, atau keputusan desain yang butuh manusia. Perbaikan biasanya sampai ke pemain yang terdampak dalam satu jam, diposting di chat yang sama. Satu jam tanpa deploy dianggap insiden SEV-0, karena perubahan yang belum dirilis menumpuk dan bug berlarut-larut. Perubahan yang rusak bisa di-rollback sekitar 30 detik, terbatas pada perubahan itu saja, dan tim sengaja merusak sesuatu untuk menguji jalur pemulihan.

Biayanya besar dan batasnya spesifik. Sansbury menyebut belanja token di atas $3 juta per bulan, yang ia sebut 30x gaji karyawan, dan memuji Fable 5 serta 5.1 sebagai kunci agar otonomi ini berjalan, sembari menilai Opus 5.5 belum cukup baik untuk loop tersebut. Satu catatan peringatan: ketika GPT-6 Astra menerapkan perbaikan dari sebuah tinjauan keamanan, ia menonaktifkan semua fitur yang ditandai dan menundanya untuk nanti, sehingga produk jadi rusak. Angka-angka ini berasal dari Sansbury sendiri dan belum diverifikasi secara independen.

Kenapa ini penting

Kalau Anda menjalankan agen pada basis kode, Spawn adalah contoh konkret seberapa jauh deployment otonom berkelanjutan bisa melaju saat kegagalan murah biayanya. Peringatan jujurnya ada di cerita yang sama: Willison sulit membayangkan pendekatan ini untuk software berisiko tinggi, dan episode tinjauan keamanan tadi menunjukkan apa yang dilakukan agen tanpa pengawasan ketika disuruh membuat sesuatu jadi aman. Perlakukan ini sebagai lahan uji, bukan contoh untuk ditiru.