Vai al contenuto
Il 14 agosto Matt Shumer ha pubblicato un video: uno sparatutto in prima persona, corridoi grigi, un fucile, nemici che cadono. La frase che lo accompagnava è quella diventata virale. A costruirlo è stato Grok 4.6, lavorando 48 ore di fila senza nessuno al comando. Sei milioni di visualizzazioni dopo, anche sui social italiani quel video viene rilanciato come la prova che le intelligenze artificiali hanno imparato a portare avanti progetti interi da sole.
Fermiamoci un attimo su cosa è stato dimostrato, perché la risposta è più corta della domanda. È stato dimostrato che un programma può richiamare un modello per 48 ore senza schiantarsi. La parte che riguarda i videogiochi, invece, non è stata dimostrata affatto. Non c’è un gioco. Non c’è una valutazione fatta da esseri umani. Non c’è nemmeno il conto di quanto è costato.
Di quelle 48 ore è stato pubblicato solo il numero 48
Shumer non è uno sviluppatore di videogiochi. Investe in aziende del settore dell’intelligenza artificiale ed è stato amministratore delegato di HyperWrite, una startup di scrittura assistita. Grok 4.6 è il modello uscito il 12 agosto da xAI, l’azienda di Elon Musk che dopo essere stata comprata da SpaceX si presenta come SpaceXAI. Ed è venduto esattamente per quello che il video promette: lavori lunghi portati avanti senza che un umano stia dietro alla macchina.
Del lavoro fatto in quei due giorni Shumer ha reso pubblica una cosa sola, cioè quanto è durato. Non il codice del gioco, che nessuno può quindi aprire e controllare. Non il registro dei controlli che il sistema avrebbe fatto sul proprio lavoro. Non la spesa sostenuta per tenerlo acceso. In qualsiasi altro campo una dimostrazione presentata così verrebbe rimandata al mittente, e chi la rilancia lo sa benissimo: la clip però funziona, e i numeri che avrebbero permesso di verificarla non sarebbero altrettanto spettacolari.
Cosa vuol dire davvero “ha lavorato 48 ore da solo”
Un modello linguistico non lavora nel senso in cui lavora una persona. Riceve un testo, produce un testo, e finisce lì. Quando si legge che ha lavorato per due giorni, dietro c’è un programma esterno, che nel gergo si chiama agente, che lo richiama migliaia di volte di fila. A ogni giro gli ripassa il lavoro fatto fino a quel momento, gli fa eseguire il codice, gli mostra l’immagine che ne esce e gli chiede cosa correggere. Poi ricomincia.
Le 48 ore sono la durata di questa catena di richiami, non un tempo di riflessione. Detta in modo brutale, la cifra rilanciata ovunque misura per quanto tempo qualcuno ha tenuto il piede sull’acceleratore, e viene spacciata per una misura di quanta strada è stata fatta.
Il metodo, e perché non certifica niente
La tecnica ha pure un nome. Shumer l’ha battezzata Gauntlet Loop il 27 luglio, dopo averla provata con Claude Opus 5 di Anthropic per costruire uno sparatutto che prendeva Call of Duty come metro di paragone, chiamato Claude of Duty.
Funziona così. Un primo agente spezza l’obiettivo nelle parti più piccole che si possono giudicare una per una. Il fucile, le mani, l’illuminazione, il suono degli spari. Ogni parte va a due agenti diversi: uno costruisce, l’altro giudica partendo con la memoria vuota, senza aver visto le scelte del collega. A chi giudica vengono messe davanti due immagini: il lavoro dell’altro agente e uno screenshot vero di Call of Duty, senza dirgli quale sia quale. Se sceglie lo screenshot vero, segnala il difetto più evidente e il pezzo torna indietro.
La memoria pulita è la parte intelligente del meccanismo, e conviene riconoscerlo: un modello a cui si chiede di valutare il proprio lavoro tende ad approvarlo, perché ha in testa tutte le ragioni delle sue scelte. Toglierle di mezzo serve a ottenere un parere invece di una difesa d’ufficio.
Resta il problema di fondo. Il ciclo non ha una condizione di arrivo. Shumer lo scrive nella sua stessa guida: Call of Duty è rimasto sopra al suo gioco fino all’ultimo, e il run lo ha interrotto lui mentre la macchina stava ancora provando a recuperare. Il traguardo non viene mai tagliato, e la corsa finisce quando l’umano decide che il video è abbastanza bello da postare.
Il voto se lo danno tra macchine
Nell’esperimento di luglio, quello fatto con Claude, il secondo agente teneva un registro di ogni confronto, e Shumer lo ha pubblicato insieme al codice. Il punteggio assegnato al suo gioco parte da 3,59 su 10 e arriva poco sopra il 5, con Call of Duty che vince ogni singolo round messo a verbale.
Vale la pena fermarsi su cosa sia quel voto, perché è il cuore della faccenda. A darlo è un modello che guarda il lavoro di un altro modello. Nessuna persona ha giocato niente, nessuno ha misurato se il risultato è divertente, se regge dieci minuti, se ha un senso. È una macchina che assegna un’insufficienza a un’altra macchina, e persino con quel metro il risultato ha perso tutti i confronti.
Il video di quel gioco lo hanno visto in milioni. Il registro dei voti, che è l’unico documento che dice come è andata a finire, praticamente nessuno.
Quello che c’è di vero
Bisogna essere precisi, altrimenti la critica si sgonfia al primo che va a controllare. Il risultato di luglio esiste ed è tecnicamente notevole. L’istruzione di partenza era lunga tre paragrafi, e sia quella sia il codice sono finiti su GitHub, scaricabili da chiunque. Parliamo di circa 55.000 righe su undici sottosistemi, costruite con Three.js e WebGL2, gli strumenti con cui si fa grafica tridimensionale dentro una pagina web. Texture, modelli, animazioni e suoni non sono file presi altrove, li disegna il codice mentre la pagina si carica.
Il fumo, insomma, non sta nel codice. Sta in cosa quel codice viene fatto significare. Perché lo stesso repository che dimostra la bravura tecnica dimostra anche il limite: è una demo che gira in una scheda del browser, e chiamarla videogioco è come chiamare casa un muro tirato su bene.
Del run su Grok, poi, non è stato pubblicato nemmeno quello. C’è la clip. Shumer ha anche precisato, in un commento sotto al proprio post, che su Grok non c’è ultracode. È l’impostazione con cui Claude Code, il programma che gestiva il primo esperimento, spinge il modello al massimo sforzo e distribuisce il lavoro su un massimo di sedici agenti in parallelo. Sulla pagina in cui regala il generatore di istruzioni, Shumer scrive che senza quell’impostazione non si arriva allo stesso livello. Quindi l’esperimento di agosto gira con attrezzi diversi da quello di luglio, e in più è documentato peggio.
Perché esce sempre uno sparatutto
C’è una ragione se da questi cicli vengono fuori in serie cloni di sparatutto e mai qualcosa che prima non esisteva. Axios lo ha scritto il 10 agosto dentro un pezzo peraltro entusiasta: i modelli riescono soprattutto a rifare giochi già usciti, perché costruiscono livelli e mappe appoggiandosi a materiale che hanno già visto.
Chi studia i modelli che scrivono codice ha un nome per il sospetto: contaminazione dei dati. Vuol dire che un modello riesce in un compito non perché lo abbia risolto, ma perché esempi quasi identici stavano già nel materiale su cui è stato addestrato. Uno sparatutto in prima persona dentro il browser è il caso da manuale, visto che di codice così ne circola da vent’anni tra tutorial, progetti aperti e demo. Nessuna delle build uscite da questi cicli ha pubblicato un controllo su questo punto, il che lascia in piedi la spiegazione più noiosa: la macchina ha rimontato bene qualcosa che aveva già visto.
Aiuta anche guardare la tabella dei test pubblicata da xAI al lancio. Grok 4.6 sta davanti sulle prove che simulano compiti da ufficio, ma resta indietro su quelle di programmazione. Su DeepSWE, che misura la capacità di risolvere problemi di sviluppo presi da progetti reali, si ferma al 65,9% contro il 73% del modello di punta di OpenAI. Sul codice, insomma, ci sono modelli che vanno meglio: dettaglio che nella clip non compare.
In 48 ore non entra il mestiere
Chiunque abbia seguito lo sviluppo di un gioco, anche solo da fuori, sa dove sta il lavoro vero. Il level design, cioè la costruzione degli spazi in cui il giocatore si muove e capisce dove andare. Il bilanciamento, che è la differenza tra un’arma divertente e un’arma rotta. I test con giocatori veri, che servono a scoprire tutto quello che il progettista non aveva previsto. La tenuta della parte online quando si collegano in mille. Le patch per gli anni successivi.
Niente di tutto questo compare in nessuna di queste dimostrazioni, ed è la lista esatta delle voci per cui i giochi slittano di un anno e gli studi si svuotano di persone. Quando si dice che l’intelligenza artificiale ha fatto un gioco in 48 ore, si sta dicendo che ha fatto la parte che nessuno stava cercando di velocizzare.
Negli studi veri, del resto, l’intelligenza artificiale è entrata da una porta molto meno fotogenica. Il report di luglio dell’associazione giapponese dei giochi online la fotografa più come motore di analisi dei dati che come generatore di contenuti: serve a decidere cosa mettere nel prossimo aggiornamento, non a fare il gioco al posto di qualcuno.
Il conto che nessuno mostra
Serve una parola di gergo, perché senza non si capisce il resto. I modelli non si pagano a ora ma a token, i pezzetti di testo in cui viene spezzato tutto quello che entra e tutto quello che esce, codice compreso. Un token vale grosso modo tre quarti di parola, e ogni giro del ciclo ne consuma.
Una cifra pubblica esiste, e non viene da Shumer. James Altucher ha rifatto l’esperimento con la stessa istruzione su Claude Opus 5 e ha dichiarato poco più di dieci ore e circa 1,3 milioni di token. Sono quasi un milione di parole prodotte e rilette dalla macchina per tirare fuori una demo da browser. Il run su Grok è durato quasi cinque volte tanto, e quanto abbia consumato non lo ha detto nessuno.
Shumer, va riconosciuto, il costo non lo nasconde. Sulla pagina del generatore avverte che un Gauntlet Loop può bruciare una quantità enorme di token: facilmente una fetta grossa del limite settimanale di un abbonamento Max, o soldi veri per chi paga a consumo. È l’unica misura onesta di cosa sia successo in quelle 48 ore.
A chi serve che il fumo tiri
Ad Axios, sempre Shumer ha descritto il futuro che immagina: uno con una grande idea si presenta da Rockstar, e Rockstar gli finanzia non lo sviluppo ma i token necessari a generarlo. In termini di bilancio significa che la voce di spesa smette di chiamarsi personale e comincia a chiamarsi calcolo, che è precisamente la merce che questo settore vende.
Nel mondo dove i giochi si finanziano davvero, intanto, si va nella direzione opposta. Gli sviluppatori che cercano un publisher raccontano che una presentazione generata è il modo peggiore di presentarsi, e che quello che pesa resta il prototipo costruito a mano.
Su chi ci guadagni se il gaming impara a contare in token non servono congetture, perché lo dichiara lui stesso nella biografia su X, dove elenca i propri investimenti. Ci sono Groq, che vende i processori su cui i modelli girano e con la Grok di Musk condivide solo l’assonanza, e OpenRouter, che smista le richieste verso i modelli e incassa sul passaggio.
C’è infine un precedente che non dimostra niente sul run di agosto, ma dice parecchio su come questo signore costruisce le dimostrazioni. Nel settembre 2024 Shumer annunciò Reflection 70B come il miglior modello libero e scaricabile del mondo, con punteggi da record. Chi provò a rifare quei test non li ritrovò, alcuni utenti scoprirono che dietro il servizio online rispondeva un modello di Anthropic, arrivarono accuse pubbliche di frode e lui finì per scusarsi dicendo di essersi spinto troppo avanti con l’annuncio.
Il metro per capire quando questa storia diventerà seria è semplice, e lo mettiamo per iscritto nell’agosto 2026 così tra un anno si controlla. Un gioco finito, che qualcuno compra, che regge una patch e che non sia il rifacimento di qualcosa che esisteva già. Fino ad allora restano dei video, e delle fatture che nessuno pubblica.
