5000亿个 token 之后：让 AI 智能体反编译一款第一人称射击游戏
AI 智能体如今已经能够将《使命召唤：现代战争 2》这类复杂游戏反编译成接近逐字节一致的源代码，但这可能会消耗数千亿 token 和大量算力，从而引发对成本、能耗和可行性的质疑。评论者争论，精确到二进制级别的复现是否有必要，还是“功能等价”的重新实现就足够，尤其是在保存那些对多人兼容性和速通玩家重要的 bug 时。讨论也延伸到法律和经济层面：AI 辅助逆向工程如何适用版权法、对 AI API 的激进补贴定价是否可持续，以及当 LLM 能低成本克隆现有产品时，专有软件和 SaaS 的未来意味着什么。
项目范围与成本
- 讨论围绕一个由 AI 智能体驱动的、对某款商业 FPS 的反编译展开，普遍推测对象是 2009 年的《Modern Warfare 2》，目标是实现接近逐字节一致的重新组装。
- 据称 token 用量约为 5000 亿（其中很多通过更便宜的模型完成），这引发了关于成本、可行性，以及在法律限制和不公开发布的前提下项目成果是否值得的争论。
AI 经济学与订阅模式
- 一些评论认为，当前 API 和订阅价格受到严重补贴，类似 Uber 式增长策略，或像 MoviePass 这类失败的“无限畅吃”模式。
- 另一些人反驳说，AI 公司可能承担了边际推理成本，但并没有覆盖持续的研发成本，因此“盈利能力”取决于训练费用是如何核算的。
- 关于 token 计价的数学计算存在混乱与纠正；许多人指出缓存和廉价模型会显著降低有效成本。
用于反编译的技术路径
- 讨论对比了两个主要目标：
- 逐字节一致的输出：确保完整复现 bug 和确定性行为，这对速通、多人游戏兼容性以及“保存”至关重要。
- 功能等价：重写函数，使其在测试下表现相同，借助比较内存访问和覆盖率的 harness，有时还会结合 SMT 求解器和 fuzzing。
- 有人认为逐字节匹配过于保守且昂贵；也有人说，尤其在边界情况 bug 和全局状态方面，这才是保证等价性的唯一方式。
- 关于模型选择也有讨论：更聪明但更昂贵的模型，整体上可能比一群较弱模型更快、也更便宜地完成任务；不同人的体验并不相同。
法律与知识产权问题
- 多条评论认为，这类逆向工程移植很可能根据美国法中保护程序结构与组织的原则构成版权侵权，并提到了历史案例以及 Google–Oracle 的 API 争议。
- 有人提到“清洁室”和“cleanroom-as-a-service”的设想，但其稳健性和法律地位被视为模糊。
- 也有人指出，类似项目已经遭遇过 DMCA 下架，并提到企业执法风险。
软件、SaaS 与“vibe copying”
- 很多人推测，强大的 LLM 和智能体会让二进制、SaaS UI 甚至算法的克隆变得容易得多，从而削弱传统专有软件模式。
- 提出的应对方式包括：
- 更多软件彻底转向 SaaS/云端，以隐藏实现细节。
- 未来由 AI 为个人生成定制工具，而不是面向大众的盒装应用。
- 认识到即使是云服务，也可以被智能体探测并被“蒸馏”为规格说明。
能耗、伦理与更广泛的启示
- 有人批评该项目的碳足迹，却只是为了一个不可共享的爱好成果；也有人回应说，解决方案应当是更清洁的能源，而不是限制实验。
- 对于“正常”的开发，评论者强调：
- 在使用智能体时，强大的 harness 和测试用作判定标准至关重要。
- 智能体式工作流擅长一次性、注重准确性的任务，但不能取代人类对架构的判断或代码审查。