이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
동일한 원샷 프롬프트를 Codex Desktop의 GPT-5.6 Sol Ultra에 다시 적용하자 Claude Fable 5보다 더 복합적이고 박물관 기반의 게임 빌드가 생성되었으며 텍스처와 프롬프트 산출물도 함께 나왔다. 초기 빌드에는 너구리 머리 위에 거대한 검은 구체 형태의 눈 버그가 있었고, Codex는 개발 중 자동으로 이를 잡아내지 못해 작성자가 추가 질의와 'Fix it' 프롬프트로 수동 수정해 정상 빌드를 얻었다. 작업은 세션 기준 52분이 소요됐고 전체 대화·자산은 저장소에 포함되어 있어 에이전트 기반 생성의 실무적 시간·비용과 검증 필요성을 확인할 수 있다.
섹션별 상세
Simon Willison은 이전에 Claude Fable 5로 생성한 Raccoon Heist 게임 실험을 같은 프롬프트로 Codex Desktop의 GPT-5.6 Sol Ultra 모드에 다시 적용해 모델 간 차이를 직접 비교했다. Codex의 Sol 모드는 작업을 여러 서브에이전트로 분해해 공격적으로 병렬 생성하는 방식으로 동작했고, 그 결과 더 풍부한 게임 제출물이 나왔다. 이 사례는 동일한 입력이더라도 에이전트 설계와 운용 모드가 산출물 품질과 구조에 큰 영향을 미친다는 점을 보여준다.
근거
- Codex Desktop의 GPT-5.6 Sol Ultra가 Claude Fable 5보다 더 완성도 높은 게임을 생성했다. — 게시글 본문과 GitHub 저장소 링크, 작성자가 직접 플레이 가능한 빌드를 올린 점을 근거로 제시되어 있음.
원본 GPT-3 설명은 뒤뜰에서 동전과 물고기를 모으는 단순한 플레이를 제안했으나 GPT-5.6 Sol은 박물관을 배경으로 두 동료를 구조해 서로 쌓아올려 금빛 정어리를 탈취하는 더 '강도적'인 게임플레이를 생성했다. 모델은 게임 코드뿐 아니라 gpt-image-2를 통해 텍스처와 프롬프트를 함께 산출해 브라우저에서 재생 가능한 빌드를 만들었고, 저장소에 텍스처와 프롬프트 산출물이 포함되어 있다. 프롬프트-모델-이미지 파이프라인이 통합되면 간단한 콘셉트로도 게임 디자인과 시각 자산을 동시에 확보할 수 있다.
생성된 빌드에는 치명적인 시각 버그가 있었는데 각각의 너구리 머리 위에 거대한 검은 구체 형태의 눈이 떠 있는 상태였다. 개발 과정에서 스크린샷을 확인했음에도 Codex는 이 이상한 출력 요소를 자동으로 잡아내지 못했고, Simon은 'Why do the raccoons have huge black spheres on them?' 같은 설명형 질문과 'Fix it'이라는 지시를 추가해 수동으로 수정된 버전을 얻었다. 이 과정을 통해 자동 에이전트가 산출물의 의미적 결함을 항상 식별하지 못하므로 사람의 검토와 정교한 디버깅 프롬프트가 필수임이 드러났다.
근거
- 생성된 초기 빌드에는 너구리 머리 위에 거대한 검은 구체(눈) 버그가 있었다. — 본문의 스크린샷 캡처 및 제공된 이미지(제공된 이미지 1)가 해당 시각적 결함을 보여줌.
프로젝트는 Codex 세션에서 52분이 소요되었고 Simon은 전체 API 비용 기준의 AgentsView 비용 추정치를 공유했다. 작업 시간과 비용 추정치는 에이전트 기반 생성 작업의 경제성을 판단하는 실질적 근거가 되며, 구독 모델과 풀 요금 체계 간의 비용 차이를 고려해야 함을 시사한다. 저장소에 전체 Codex 대화 기록이 포함되어 있어 동일한 워크플로우를 재현하거나 비용 구조를 상세 비교할 수 있다.
근거
- Codex 세션 작업 시간은 52분이었고 AgentsView 기반 비용 추정치가 게시되었다. — 본문에 명시된 소요 시간과 'AgentsView cost estimate' 언급이 근거가 됨.
용어 해설
- 원샷 프롬프트(One-shot prompt)
- — 단 한 번의 입력으로 모델에게 완성된 작업을 생성하도록 요구하는 방법으로, 입력에 게임 콘셉트와 제한·목표를 포함해 모델이 코드와 자산을 한 번에 출력하게 유도하는 실무 기법이다.
- 에이전트·서브에이전트(Agents / Sub-agents)
- — 대형 모델이 작업을 분해해 독립 프로세스(서브에이전트)에 위임하는 운용 패턴으로, 각 서브에이전트가 특정 산출물(코드·프롬프트·이미지)을 생성해 조합하는 방식이다.
- gpt-image-2
- — 텍스트 프롬프트로 이미지를 생성하는 모델 모드 이름으로, 본 사례에서는 게임 텍스처와 아트워크를 자동 생성하기 위해 프롬프트에서 직접 호출되어 자산을 만들었다.
- 게임 프로토타이핑(Game prototyping)
- — 모델을 이용해 게임 로직·에셋·레벨을 빠르게 생성하는 과정으로, 코드와 그래픽을 병렬로 만들며 반복 검증을 통해 플레이어블 빌드를 단기간에 확보하는 실무 흐름이다.
- 프롬프트 디버깅(Prompt debugging)
- — 모델 출력에서 의도치 않은 현상이 나올 때 원인 추적용 질문과 수정 프롬프트를 순차적으로 적용해 출력물을 수정하는 절차로, 수동 개입이 필요한 점이 핵심이다.
기술
- GPT-5.6 Sol Ultra
- Codex Desktop
- Claude Fable 5
- gpt-image-2
- GitHub
활용 사례
- 빠른 게임 프로토타이핑과 시각 자산 자동 생성
- 에이전트 기반 코드·아트 통합 워크플로우 실험
- 모델 산출물의 빠른 검토와 프롬프트 기반 디버깅
언급된 리소스
GitHubMoonlight & Mayhem — GitHub repository
Demo플레이 가능한 최초 버전(눈 버그 포함)
문서AgentsView 비용 추정 보고서(세션 기준)
문서One-shotting a Raccoon Heist game using Claude Fable 5
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 08.수집 2026. 08. 08.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
