Table of Contents
7 Dias Ininterruptos de Claude: O Que Acontece Quando a IA Tenta Criar o GTA 6 do Zero Sem Supervisão Humana
Recriamos o GTA 6 em miniatura usando só inteligência artificial e agentes autônomos, com o jogo construído quase sozinho: do zero ao mapa jogável.
Neste vídeo mostramos como recriar o GTA 6 com inteligência artificial usando um sistema de agentes autônomos: cada tarefa tem um trabalhador que executa e um verificador que só aprova quando o resultado realmente surpreende. Você acompanha o projeto evoluir do primeiro rascunho 3D até um jogo com carros dirigíveis, prédios que dá para explorar e até perseguição policial, tudo com pouquíssima intervenção humana. No fim, mostro como pegar os arquivos e as ferramentas dentro da comunidade Maestros da IA.
A engenharia de software baseada em Inteligência Artificial ultrapassou a fase em que modelos de linguagem apenas autocompletavam funções isoladas ou resolviam desafios triviais de lógica. Atualmente, a fronteira da pesquisa prática reside na autonomia: até onde um sistema de agentes cognitivos consegue ir quando recebe uma meta complexa de desenvolvimento e a liberdade de programar, compilar, testar e corrigir o próprio código sem intervenção humana contínua?
Para testar os limites dessa fronteira, acompanhamos um experimento ambicioso no ecossistema da inteligência artificial aplicada: colocar o modelo Claude, desenvolvido pela Anthropic, operando em um pipeline de agentes autônomos durante sete dias consecutivos (168 horas ininterruptas), com uma missão que beira o impossível: construir, a partir do zero absoluto, uma versão jogável em miniatura inspirada em Grand Theft Auto VI (GTA 6).
O resultado desse teste não serve apenas como entretenimento ou demonstração técnica de poder computacional; ele revela de forma cirúrgica as forças, as fraquezas estruturais e os gargalos reais da autonomia de código por IA em projetos de alta complexidade.
A Arquitetura do Experimento: Como Manter um Agente de IA Codificando por 168 Horas
Criar um jogo tridimensional em mundo aberto exige renderização gráfica, física vetorial, inteligência artificial para pedestres e veículos, lógica de colisão, design de áudio e gerenciamento de estado global. Colocar um modelo de linguagem para lidar com esse volume de trabalho sem travar exige uma arquitetura muito mais elaborada do que uma simples janela de chat.
Para viabilizar o projeto, o sistema foi estruturado sobre um ciclo contínuo de agentes cooperativos com divisão clara de papéis:
- Agente Arquiteto (Planejamento de Alto Nível): Responsável por decompor o design do jogo em épicos, sprints e tarefas modulares, garantindo que o escopo não se perdesse na vastidão do projeto.
- Agente Desenvolvedor (Geração e Refatoração): Encarregado de escrever o código-fonte em TypeScript e shaders WebGL utilizando bibliotecas gráficas 3D modernas (como Three.js), além de criar scripts de física vetorial e gerenciamento de inputs.
- Ambiente de Execução Isolado (Sandbox Docker): Servidor local onde o código era injetado, transpilado e executado automaticamente a cada nova alteração.
- Agente de Testes e Visão Computacional: Um mecanismo com navegadores automatizados headless responsável por capturar logs do console, registrar exceções de execução e tirar capturas de tela do canvas 3D para retroalimentar o modelo com dados visuais do que estava sendo renderizado na tela.
O ciclo funcionava no padrão ReAct (Reasoning + Acting) com auto-correção: a IA escrevia o código, a sandbox tentava compilar; se houvesse erro de sintaxe ou quebra de renderização, o log de erro voltava imediatamente para o Claude como contexto, instruindo-o a gerar um patch corretivo antes de prosseguir para a próxima mecânica.
A Linha do Tempo: A Evolução do Jogo ao Longo de 7 Dias
Acompanhar a evolução cronológica de um agente autônomo por uma semana revela padrões fascinantes sobre como as IAs estruturam o raciocínio de engenharia e onde ocorrem as principais armadilhas cognitivas.
Dias 1 e 2: A Fundação Geométrica e a Física Arcade
Nas primeiras 48 horas, o Claude demonstrou uma eficiência esmagadora naquilo em que LLMs são especialistas: boilerplate, configuração de infraestrutura e aplicação de matemática vetorial pura.
- Configuração da Cena 3D: O modelo montou o pipeline de renderização, configurou a câmera em terceira pessoa e estabeleceu os eixos de iluminação global.
- Geração Procedural da Cidade: Em vez de depender de modelos 3D pesados baixados da internet, o Claude optou por gerar a malha urbana proceduralmente, criando quarteirões ortogonais, prédios prismáticos com janelas geradas via texturas procedurais e um piso asfáltico delimitado por faixas.
- Física Automotiva: A IA implementou um controlador de veículo baseado em física de arcade simples, calculando aceleração, atrito dos pneus, derrapagem (drift) e raio de giro por meio de álgebra linear diretamente no loop de atualização do jogo.
Ao final do segundo dia, o protótipo já permitia que o usuário controlasse um carro esportivo pelas ruas de uma metrópole geométrica, com câmera dinâmica e colisões básicas contra edifícios.
Dias 3 e 4: O Pesadelo dos NPCs e a Inteligência Artificial das Ruas
O terceiro e o quarto dias representaram a transição da física pura para a lógica de sistemas vivos. O objetivo era simular a atmosfera de Vice City/Leonida, com pedestres caminhando e tráfego de outros veículos.
Nessa fase, surgiram os primeiros sintomas da complexidade algorítmica:
- Máquinas de Estado Finito para Pedestres: O Claude implementou rotinas onde cubos humanoides andavam pelas calçadas, paravam em cruzamentos e reagiam com fuga se o jogador acelerasse o carro na direção deles.
- Detecção de Colisão e Pathfinding: Para evitar que os carros do tráfego se empilhassem em engarrafamentos infinitos, a IA implementou um sistema simplificado de raycasting frontal para detectar obstáculos e desviar.
- Instabilidade Cumulativa: Foi neste ponto que os primeiros bugs bizarros começaram a pipocar. Em determinadas situações, pedestres começavam a levitar ou entravam em loops infinitos de colisão quando o jogador colidia com múltiplos objetos simultaneamente. A IA gastou cerca de 14 horas apenas diagnosticando e corrigindo regressões nas rotinas de raycasting.
Dias 5 e 6: Atmosfera Neon, Iluminação Dinâmica e Mecânicas de Jogo
Com a infraestrutura de tráfego minimamente estável, o agente concentrou esforços em aproximar o protótipo da estética de GTA 6, focada em tons de rosa, azul neon e iluminação tropical:
- Ciclo Dia/Noite: Criação de um sistema de órbita para a luz solar que alterava gradualmente o mapa de cores do céu (skybox) e ativava automaticamente os postes de luz e faróis à noite.
- Reflexos em Tempo Real: Escrita de shaders personalizados para simular o reflexo do asfalto molhado após chuvas passageiras, aproveitando recursos de pós-processamento gráfico.
- Sistema de Nível de Procurado: O Claude introduziu a lógica de “estrelas da polícia”. Se o jogador atropelasse pedestres, viaturas policiais com sirenes ativas passavam a perseguir as coordenadas do carro principal, utilizando algoritmos de perseguição direta.
- Interface e Mini-mapa: Um radar funcional no canto inferior da tela desenhava em tempo real a posição do jogador, ruas ao redor e ícones piscantes para indicar os perseguidores.
Dia 7: O Combate à Dívida Técnica e o Polimento Final
No último dia, o sistema quase não adicionou novas funcionalidades. O comportamento do agente foi dominado por tarefas de otimização e controle de danos. Com milhares de linhas de código distribuídas em dezenas de módulos, qualquer alteração pontual ameaçava quebrar sistemas legados criados nos primeiros dias.
O Claude passou as últimas 24 horas refatorando funções gigantescas, limpando vazamentos de memória causados pelo instanciamento excessivo de objetos 3D não descartados e ajustando taxas de quadros por segundo (FPS) para garantir estabilidade de execução.
O Veredito Prático: O Quão Jogável Ficou o Mini GTA 6?
Ao término dos sete dias, o resultado está longe de rivalizar com o produto de milhares de desenvolvedores humanos e centenas de milhões de dólares de orçamento da Rockstar Games, mas é inegavelmente impressionante enquanto prova de conceito para engenharia de software autônoma.
O produto final entregou:
- Mundo Aberto Coerente: Uma ilha urbana contínua, com prédios, árvores tropicais procedurais, postes de iluminação e ciclo de iluminação dinâmico.
- Controle de Veículos e a Pé: A possibilidade de alternar entre pilotar um carro responsivo com física de aceleração convincente e sair do veículo para explorar a pé.
- Interatividade e Caos Urbano: Tráfego autônomo funcional, pedestres reativos com linhas de diálogo em balões de texto e um sistema de perseguição policial implacável com viaturas que tentam cercar o jogador.
- Áudio Sintetizado: Efeitos sonoros gerados por meio da Web Audio API para simular aceleração do motor, colisões e sirenes policiais sem depender de arquivos externos de áudio gravados.
No entanto, as limitações ficaram visíveis na profundidade mecânica: os gráficos permanecem no patamar estilizado e de baixo polígono (low-poly), a física de colisão ocasionalmente apresenta comportamentos elásticos estranhos e a inteligência dos inimigos não possui o refinamento tático de um jogo polido por designers humanos experientes.
As Grandes Barreiras Técnicas Reveladas pelo Experimento
O teste de sete dias expôs os três maiores desafios que a indústria de desenvolvimento de software autônomo precisa solucionar para avançar:
1. A Deriva de Contexto e o Esquecimento Arquitetural
Mesmo com janelas de contexto modernas que suportam de centenas de milhares a milhões de tokens, os modelos de IA enfrentam um problema de “atenção diluída”. Conforme o projeto cresce, a IA tende a esquecer pequenas premissas adotadas no início. Frequentemente, para resolver um bug novo, o Claude reescrevia classes inteiras em vez de aplicar correções pontuais, gerando código duplicado e criando métodos que colidiam entre si.
2. O Custo Computacional da Iteração por Tentativa e Erro
Diferente de um engenheiro sênior que planeja a arquitetura mentalmente antes de escrever a primeira linha, a IA depende de iterações rápidas para testar hipóteses. Milhares de chamadas de API foram gastas simplesmente corrigindo erros bobos de tipagem ou referências nulas que um compilador convencional aponta instantaneamente. Em projetos corporativos, esse desperdício de tokens se traduz em custos operacionais significativos.
3. A Falta de Sensibilidade Estética e Intuição de Gameplay
Um jogo divertido não depende apenas de física funcional, mas do chamado game feel: o peso do freio, a aceleração suave da câmera, a resposta do controle aos comandos milimétricos. O modelo matemático do Claude consegue calcular trajetórias perfeitas, mas não possui a sensibilidade orgânica para julgar se uma mecânica está prazerosa ou monótona sem que critérios ultraespecíficos de telemetria sejam configurados.
O Impacto Real no Futuro dos Games e da Engenharia de Software
O experimento de deixar uma IA codificando um jogo complexo por sete dias marca uma virada de paradigma. Não estamos mais falando sobre o modelo gerar pequenos trechos de código estáticos, mas sobre a ascensão do Engenheiro Orquestrador.
As transformações que esse modelo traz para a indústria incluem:
- Fim da Barreira Inicial para Desenvolvedores Independentes: Pequenos estúdios de dois ou três desenvolvedores poderão utilizar agentes autônomos para gerar toda a infraestrutura base de seus mundos virtuais em questão de dias, focando o esforço humano no refinamento narrativo, na direção de arte e no polimento das mecânicas centrais.
- Prototipagem em Tempo Recorde: Ideias que antes demandavam meses de investimento e validação técnica por grandes equipes de engenharia podem ser testadas e validadas em menos de uma semana através de agentes autônomos monitorados.
- Automação de Testes de Controle de Qualidade (QA): Agentes de visão e navegação autônoma operando em paralelo são capazes de estressar ambientes 3D por centenas de horas ininterruptas, catalogando falhas de colisão e buracos no mapa de forma infinitamente mais veloz do que equipes humanas.
O “GTA 6 do Claude” não substitui o trabalho artesanal de grandes estúdios, mas prova definitivamente que a inteligência artificial autônoma já é capaz de sustentar projetos de software contínuos, lidando com a complexidade estrutural de dezenas de módulos integrados por dias a fio sem supervisão humana constante.
💬 Participe da Discussão: Você acredita que estúdios de jogos independentes conseguirão lançar jogos no nível de produções consagradas usando apenas agentes autônomos nos próximos anos, ou o toque humano na direção de arte e design de gameplay sempre será insubstituível? Deixe seu ponto de vista nos comentários!
Assista à Demonstração Prática Completa
Acompanhe todos os detalhes, etapas práticas e testes na íntegra no player de alta definição abaixo:
Leituras Recomendadas no Portal
- Destaque: claude fora do ar em 2026
- JEV: A melhor janela para lucrar com IA em anos (e ela vai fechar rápido)
- Agentes da OpenAI fizeram mais de 16 mil tentativas de acesso a portal da ONU
Perguntas Frequentes (FAQ)
O Claude realmente programou o jogo sozinho sem nenhuma ajuda humana?
O sistema operou sob um regime de autonomia estruturada. Os humanos foram responsáveis por definir o objetivo inicial, montar o pipeline de execução (sandbox, Docker e scripts de integração com a API) e intervir apenas caso ocorresse uma pane catastrófica no servidor. Toda a lógica de código, os shaders gráficos, a física, as decisões de design procedural e as correções de erros foram geradas e implementadas autonomamente pelo Claude.
É legal usar o nome “GTA 6” para projetos desenvolvidos com Inteligência Artificial?
O projeto utiliza a marca GTA 6 apenas como inspiração conceitual e temática para demonstrar a capacidade da IA em lidar com gêneros de mundo aberto urbano. Do ponto de vista de direitos autorais e marcas registradas, jogos criados para fins comerciais não podem utilizar o nome Grand Theft Auto, as marcas de veículos reais ou a propriedade intelectual da Take-Two Interactive e da Rockstar Games.
Qual modelo do Claude foi utilizado no experimento?
O experimento utilizou a família Claude 3.5 Sonnet, modelo reconhecido amplamente pelo seu alto desempenho em geração de código, raciocínio lógico avançado e capacidade de interpretar logs complexos e capturas de tela para auto-correção via visão computacional.
O jogo resultante deste experimento está disponível para o público jogar?
Sim, normalmente protótipos desse tipo desenvolvidos em WebGL e Three.js rodam diretamente em navegadores web compatíveis com aceleração de hardware. Os repositórios gerados pelos experimentos costumam ser disponibilizados publicamente para que outros desenvolvedores possam clonar, compilar e testar os limites do código gerado pela IA.
Quanto custa financeiramente rodar uma IA como o Claude por sete dias sem parar?
O custo depende diretamente da quantidade de tokens transacionados a cada ciclo de compilação. Em um fluxo contínuo de 168 horas, com envio de código completo, logs de erros e imagens do canvas a cada poucos minutos, a fatura de consumo de API pode variar entre centenas e alguns milhares de dólares, refletindo o volume massivo de milhões de tokens consumidos durante o processo.
Artigo redigido e expandido por Rodrigo Batista para o portal IA na Prática Digital, com base nas demonstrações práticas do canal Maestros da IA.
Faça parte dos nossos grupos exclusivos no WhatsApp e Telegram!
Entre nos grupos oficiais de Achadinhos & Ofertas para receber cupons testados, promoções relâmpago da Shopee e Mercado Livre com até 80% de desconto e novidades de inteligência artificial em primeira mão direto no seu celular:
Separamos os melhores descontos do dia com frete rápido e garantia:
