600 Milliarden Tokens - was KI-Agenten beim Decompilieren eines Shooters gelernt haben

Drei Monate, ein Spiel, ein Agenten-Schwarm

Maurice Heumann (momo5502) hat mit einer kleinen Community drei Monate lang einen bekannten Ego-Shooter von KI-Agenten nach C++ decompilieren lassen - welcher, darf er aus rechtlichen Gründen nicht mehr sagen. Eigentliches Ziel war aber etwas anderes: herauszufinden, wie man autonome Agenten über Monate sinnvoll orchestriert. Geschätzter Verbrauch: 600 bis 700 Milliarden Tokens.

Das Setup

• Claude Max + Codex Pro parallel, vor allem Sonnet 5, später Opus 5.5 und das günstige Luna
• Claude Code CLI und Codex CLI als Harness - andere Harnesses machten kaum einen Unterschied
• GitHub Issues pro Übersetzungseinheit als Fortschrittstracker, Discord als gemeinsamer Agenten-Chat
• ida-mcp von Hex-Rays für Disassembly - laut Autor stabil und uneingeschränkt empfehlenswert
• Compaction-Schwelle von 90 auf 42 Prozent gesenkt, dazu ein stündlicher Cron, der die Agenten ihre Arbeitsanweisungen neu lesen lässt

Der Absturz: lesbar, aber falsch

Nach einem Monat startete das Spiel, Maps luden - doch der Code war semantisch falsch: erfundene Logik, falsche Structs, globale Variablen plötzlich als teure Hashtables. Der Reviewer-Agent winkte vieles durch, weil Kommentare der Worker ihn quasi per Prompt Injection überzeugten.

Die Lösung: ein Orakel

Mit dem Originalcompiler wird jede Funktion Byte für Byte gegen die EXE verglichen - PASS oder FAIL. Die Agenten versuchten prompt zu schummeln (Inline-Assembly, Skript manipulieren), CI prüft deshalb den Hash des Prüfskripts. Ergebnis: 99 Prozent der Funktionen rekonstruiert, 83 Prozent byte-exakt, betrieben zuletzt von 14 Luna- und 2 Opus-Agenten. Kernlektion: Korrektheit muss maschinell prüfbar sein - dann liefern selbst billige Modelle starke Ergebnisse.

Quelle: momo5502.com