Em 2 de agosto de 2026, Andrej Karpathy compartilhou no X: ele entregou o primeiro parágrafo da abertura de O Senhor dos Anéis ao Claude Opus 5, com um orçamento de cerca de 1 milhão de tokens, cerca de 10 dólares, para renderizá-lo como um mundo 3D usando Three.js.

Autor do artigo, fonte: 0x9999in1, ME News



TL;DR

• Em 2 de agosto de 2026, Andrej Karpathy compartilhou no X: ele entregou o primeiro parágrafo da abertura de O Senhor dos Anéis ao Claude Opus 5, com um orçamento de cerca de 1 milhão de tokens, cerca de 10 dólares, para renderizá-lo como um mundo 3D usando Three.js.
• O Opus 5 rodou por cerca de 2 horas, escrevendo cerca de 5.500 linhas de código, produzindo um vídeo de animação de 93 segundos. As imagens são rústicas, mas realmente transformaram o texto em um cenário tridimensional animado.
• O ponto crucial não é "a IA gastou 10 dólares para criar um jogo completo" — ela não fez isso. Apenas o vídeo foi divulgado, sem repositório de código aberto nem versão jogável.
• A voz não foi gerada pelo modelo. Karpathy disse que a narração foi criada manualmente com o ElevenLabs, pois ele se importa com qual voz é usada.
• O verdadeiro sinal é: o "custo de geração" do software visual personalizado está diminuindo mais rapidamente do que a capacidade da IA de "verificar e experimentar seu próprio trabalho".
• O Opus 5 não consegue assistir vídeos nativamente de forma eficiente nem testar jogos, apenas capturar imagens lentamente em diferentes nós, com múltiplos erros durante o processo.
• O que Karpathy disse sobre "GTA surgindo sob demanda" é uma direção, não a realidade atual. Hoje, isso se aproxima mais de uma caixa de perspectiva estéreo gerada automaticamente em um navegador.

Um trecho de texto, duas horas, 5.500 linhas de código

Primeiro, esclareça as coisas.

Em 2 de agosto de 2026, Andrej Karpathy postou uma mensagem. Ele fez um experimento: pegou o trecho inicial de O Senhor dos Anéis e passou para o Claude Opus 5. Foi fornecido um orçamento de 1 milhão de tokens, que ele estimou em cerca de 10 dólares. O único pedido foi: renderize-o usando Three.js.

E então?

O modelo executou-se por cerca de duas horas, escrevendo cerca de 5.500 linhas de código, e produziu finalmente um vídeo de 93 segundos, com uma câmera atravessando um mundo da Terra-média estilizado e animado.

Como Karpathy avalia isso? Duas palavras: janky but fun. Rústico, mas divertido.

Isso é muito honesto. Para conseguir isso, o modelo precisa fazer um monte de trabalho sujo e cansativo: posicionar vários polígonos em coordenadas tridimensionais (x, y, z), organizar suas posições, escrever código para animar toda a cena e garantir que tudo funcione sem travar.

Um trecho de prosa, sem cenas, sem biblioteca de ativos, sem instruções claras. Personagens, ambiente, ordem, atmosfera, enquadramento, ritmo — tudo por conta do modelo. E ele realmente conseguiu montar.

É exatamente isso que deixa as pessoas surpresas.

Mas primeiro, mantenha a calma: o que foi feito e o que não foi

Antes de se entusiasmar, é preciso primeiro distinguir três coisas: o que o modelo realmente produziu, o que foi adicionado por uma pessoa e o que simplesmente não aconteceu.

O que o modelo produziu são essas 5.500 linhas de código, o cenário Three.js gerado programaticamente e a animação de 93 segundos que pode ser reproduzida. Essa parte é real, confiável e merece atenção séria.

E o áudio? Karpathy esclareceu especificamente na resposta: a narração foi feita manualmente por ele usando o ElevenLabs. Ele disse que os LLMs realmente podem chamar APIs para automatizar isso, mas ele se importa com qual voz é usada, então fez manualmente. Portanto, não é uma linha de produção totalmente automática de "texto para vídeo final". Não apresente assim.

O que não aconteceu?

Não há repositórios de código para download. Não há repositórios de código aberto. Não há uma versão jogável onde você possa entrar como espectador, como NPC ou como protagonista. Não há capacidade de gerar novos mundos em tempo real enquanto joga. Não há um "modelo de mundo" geral e aprendido. Também não há colisões, interações ou coerência narrativa de nível produtivo. Nem mesmo uma lista reprodutível de consumo e custos de tokens foi divulgada.

Público, é apenas um vídeo.

Então, aquela frase frequentemente citada de um "GTA efêmero de X sob demanda" — an ephemeral GTA of X on demand — é a direção que Karpathy achou empolgante, não o que ele tem em mãos. Este produto final de hoje é mais como uma caixa de perspectiva estéreo de navegador gerada automaticamente, ainda muito distante de um jogo de mundo aberto.

Por que eu preciso gastar tantas palavras explicando "o que ele não fez"?

Porque a maior distorção nesta disseminação da demonstração do jogo Opus 5 ocorreu nesse nível. Alguém viu "US$10 para criar um jogo de O Senhor dos Anéis" e compartilhou, mas não viu as pequenas letras que dizem "vídeo, não finalizado, áudio人工, sem código". Opiniões devem ser construídas sobre fatos; primeiro, é preciso delimitar claramente os limites dos fatos.

Why is this more worth serious attention than "a pelican riding a bicycle"?

O verdadeiro significado desse experimento de Karpathy não está em "mostrar habilidade", mas em "mudar de régua".

Como as pessoas costumavam testar a capacidade de codificação visual de grandes modelos? Pediam para eles desenharem um SVG de um "pelicano andando de bicicleta". Esse teste era útil — revelava raciocínio espacial, seguimento de instruções e compreensão de gráficos de navegador. Mas era muito fácil decorar a resposta e tirar conclusões com base em apenas uma imagem.

A missão "O Senhor dos Anéis" ampliou drasticamente os critérios de avaliação.

Dimensão temporal: de minutos para cerca de duas horas. Escala do código: de dezenas a centenas de linhas para cerca de 5.500 linhas. Ambiguidade: de "um objeto mais composição" para lidar com "personagens, ambiente, sequência temporal, atmosfera, enquadramento e ritmo". Estado: de estático básico para eventos animados que evoluem ao longo do tempo. Recursos: de algumas formas para uma grande quantidade de objetos programáticos reutilizáveis.

O mais crítico é a dimensão da verificação. Desenhe um SVG, e você sabe imediatamente se está correto ao ver um único quadro. Renderizar um mundo em movimento exige verificar inúmeros momentos, inúmeras transições — geometria, câmera, obstrução, movimento, ritmo, desempenho — qualquer detalhe pode falhar.

Este é o verdadeiro problema: de longo prazo, alta ambiguidade e forte estado. Ele se aproxima do próprio ato de "criar software", e não de "fazer um gráfico".

Claro, também é justo dizer: isso não é um teste de desempenho rigoroso. Karpathy não divulgou o Prompt completo, a configuração da cadeia de ferramentas, o número de tentativas, os traços de tokens, o código-fonte nem os critérios de avaliação. É um experimento público informativo, não uma comparação controlada. Não o use para classificações.

O barato é "gerar", o caro ainda é "olho"

What is the real insight into this matter?

Acho que é só uma frase: o custo de geração de software visual personalizado está caindo mais rápido do que a capacidade da IA de inspecionar e experimentar suas próprias obras.

Isso precisa ser explicado passo a passo.

Esse tipo de conteúdo altamente personalizado — transformar um trecho específico de texto em uma cena 3D exclusiva — anteriormente quase ninguém se dispunha a fazer especificamente. Por quê? O custo e o tempo não eram viáveis. Quanto e quantos dias custaria contratar uma equipe para criar uma animação de 93 segundos da abertura de O Senhor dos Anéis?

Mas o LLM pode continuar indefinidamente. Ele não se cansa, não se queixa, e custa 10 dólares por duas horas. O mundo personalizado passou de "bem de luxo" para "algo gerado ao acaso". Isso representa uma queda real e dramática na oferta.

Mas o problema está do outro lado.

O Opus 5 pode criar o mundo, mas não consegue ver claramente o mundo que criou. Não consegue assistir vídeos de forma eficiente e nativa, nem experimentar jogos. Só pode tirar screenshots lentamente em diferentes nós e verificar cada um deles individualmente. É como um pintor pintando com os olhos vendados, permitindo-se abrir os olhos apenas para dar uma olhada rápida no quadro a cada alguns minutos. Durante o processo, muitos erros ocorreram, deixando muitas imperfeições e falhas — é assim que surgiu o termo "janky".

A geração é um jorro, a verificação é um gotejamento.

Essa é a comparação mais afiada do post de Karpathy: já é capaz de criar um mundo, mas ainda não consegue verificar e experimentar fluentemente o mundo que criou.

Os olhos tornaram-se o novo gargalo.

Este não é um caso isolado: um verão inteiro de "faça um jogo em uma frase"

Alguém pode perguntar: Isso será apenas uma atuação de sorte?

Não parece muito. Ao expandir a linha do tempo, a partir de julho de 2026, uma série inteira de demos semelhantes ao Opus 5 surgiu, tornando-se popular por todo o verão.

Alguém usou para criar um jogo de estratégia em tempo real espacial no estilo Homeworld e divulgou a lista de custos: US$ 632,65. Alguém fez um clone no estilo Rocket League, e este é mais prático, com código acessível e versão jogável, oferecendo maior reprodutibilidade. Também há FPS em navegador, exploração de desertos gerados proceduralmente, jogos de terror, corridas de karts...

Você percebeu o padrão?

A qualidade dessas demonstrações varia muito, e a reprodutibilidade difere enormemente. Algumas têm apenas vídeos sem código, enquanto outras até exibem faturas. Mas todas apontam para a mesma tendência: usar um prompt em linguagem natural para orientar um modelo a escrever autonomamente, por longos períodos, milhares de linhas de código, criando um mundo interativo funcional — algo que antes era "inimaginável" tornou-se "alguém está tentando toda semana".

O "Senhor dos Anéis" de Karpathy não é um milagre surgido do nada. É um ponto nessa curva. Um ponto que foi apresentado por uma pessoa influente, com um texto suficientemente romântico e explicado com clareza suficiente.

Então, o "era da criação de jogos por IA" realmente chegou?

Volte à pergunta que você mais queria fazer.

Chegou?

Minha avaliação é: a direção já foi definida, mas a era ainda não chegou.

A direção está clara, porque a curva de custos do lado da oferta já inverteu e está caindo rapidamente. Gerar conteúdo interativo personalizado em longo prazo com IA já foi tecnicamente viabilizado da fase 0 para 1. O que resta é evoluir de 1 para algo funcional, divertido e comercializável.

Dizer que a era ainda não chegou é porque as três barreiras ainda estão realmente lá.

A primeira é o ciclo de percepção. O modelo precisa ser capaz de ver, interagir e avaliar naturalmente suas próprias saídas, sem depender de pessoas que tiram screenshots, adicionam legendas ou corrigem erros. Este é o aspecto mais difícil da capacidade multimodal — não se trata de "entender uma imagem", mas de "entender um processo dinâmico, interativo e que evolui ao longo do tempo".

A segunda é a reprodutibilidade e a entrega. Vídeos não são software. Demonstrações não são produtos. Um trecho impressionante de 93 segundos está separado por todo o trabalho árduo da engenharia de algo que outra pessoa possa baixar, executar, modificar e jogar por uma hora.

A terceira é o peso da palavra "tempo real". Karpathy imagina você entrando em um mundo gerado temporariamente, como personagem, como espectador, como NPC — como um GTA sob demanda. Mas agora são duas horas offline para gerar um vídeo. Ir de "duas horas para produzir um vídeo" para "gerar em tempo real o caminho sob seus pés" não é uma mudança quantitativa, é uma mudança qualitativa.

Então eu não gosto desse tipo de frase: "a era chegou". Está muito cheio.

Prefiro dizer isto: estamos deixando a era dos "guaxinins de bicicleta" e entrando em uma fase de transição em que modelos criam mundos rústicos, mas ainda não conseguem enxergar o que criaram.

Quanto tempo durará esse período de transição? Ninguém sabe. Pode ser dois anos, pode ser cinco. Depende de quando aquele "olho" — a percepção e a autoavaliação nativas da IA — estiver completo.

Mas há uma coisa que tenho certeza.

Quando criar um mundo custa apenas 10 dólares e duas horas, o que se torna escasso não é mais "criar". O que é escasso é "enxergar claramente o que você criou" e "o que você realmente quer criar". A máquina cuida do "criar" na segunda metade; o "querer" e o "enxergar claramente" na primeira metade ainda precisam ser feitos por humanos.

A Terra Média rústica já está funcionando.

Quando você realmente conseguir entrar — não se apresse, vá devagar. Isso vale a pena esperar.

Fonte da citação

• Post e vídeo originais de Andrej Karpathy no X (antigo Twitter) em 2 de agosto de 2026
• A Anthropic publica o comunicado oficial do Claude Opus 5, anthropic.com
• Site oficial do Three.js, threejs.org
• explainx.ai: “O Opus 5 de Karpathy de $10: O Mundo de O Senhor dos Anéis: A Nova Avaliação de IA”, 2 de agosto de 2026
• Benzinga: “Andrej Karpathy diz que a IA ultrapassou prompts simples após o Claude Opus construir um mundo 3D de ‘O Senhor dos Anéis’”, agosto de 2026
• Enterprise DNA:《Andrej Karpathy's next-gen benchmark moment》，2 de agosto de 2026
• explainx.ai: “Opus 5 construiu um RTS espacial no estilo Homeworld com um único prompt — $632,65 depois”, 28 de julho de 2026
• explainx.ai: "Top 10 Claude Opus 5 Game Prompts (With the Actual Prompts)", 29 de julho de 2026