2 جولائی 2026 کو، اینڈری کارپاتھی نے ایکس پر شیئر کیا: اس نے "د دی رنگ آف دی رنگ" کے شروع کا پہلا جملہ کلاد Opus 5 کو دیا، اسے تقریباً 10 لاکھ ٹوکن، تقریباً 10 امریکی ڈالر کے بجٹ کے ساتھ، Three.js کے ذریعے 3D دنیا میں رینڈر کرنے کے لیے کہا۔

مضمون کے مصنف، ماخذ: 0x9999in1، ME News



TL;DR

• 2 جولائی 2026 کو، اینڈری کارپاتھی نے ایکس پر شیئر کیا: اس نے "د دی رنگ آف دی رنگ" کے شروع کا پہلا جملہ کلاد Opus 5 کو دیا، اسے تقریباً 10 لاکھ ٹوکن، تقریباً 10 امریکی ڈالر کے بجٹ کے ساتھ، Three.js کے ذریعے 3D دنیا میں رینڈر کرنے کے لیے کہا۔
• اپس 5 نے تقریباً 2 گھنٹے چلائے، تقریباً 5500 لائنز کوڈ لکھا، اور 93 سیکنڈ کی ایک اینیمیشن ویڈیو تیار کی۔ تصویر خشن تھی، لیکن اس نے حقیقت میں متن کو حرکت کرنے والے تین ابعادی مناظر میں تبدیل کر دیا۔
• اصل بات یہ نہیں کہ "AI نے 10 ڈالر میں ایک مکمل گیم بنائی" — ایسا نہیں ہوا۔ صرف ویڈیو ہی شائع کی گئی، کوڈ کا اوپن سورس ریپوزٹری یا کھیلے جانے والی ورژن نہیں۔
• آواز مدل کی طرف سے نہیں بنائی گئی۔ کارپاتھی نے کہا کہ وہ نے بیک گراؤنڈ آواز کو الیون لیبس کے ذریعے دستی طور پر تیار کیا، کیونکہ وہ اس بات پر توجہ دے رہا تھا کہ کون سی آواز استعمال کی جائے۔
• اصل سگنل یہ ہے: کسٹم ویژول سافٹ ویئر کی "پیداواری لاگت"، AI کی "اپنے کام کو چیک اور تجربہ کرنے" کی صلاحیت کے مقابلے میں زیادہ تیزی سے کم ہو رہی ہے۔
• اوپس 5 ویڈیوز کو موثر طریقے سے نیٹیو طور پر دیکھنے یا گیمز کا ٹرائل کرنے کے قابل نہیں ہے، صرف مختلف نوڈس پر سلسلہ وار اسکرین شاٹس لے کر چیک کیا جا سکتا ہے، جس کے دوران بار بار خطاں آتی ہیں۔
• کارپاتھی کہتے ہیں کہ "آن ڈیمانڈ پر ظاہر ہونے والا GTA" ایک سمت ہے، نہ کہ موجودہ حالت۔ آج کا یہ چیز زیادہ تر ایک خودکار براوزر سٹیریو ڈائیگرام کے قریب ہے۔

ایک متن، دو گھنٹے، 5500 لائنز کوڈ

پہلے بات کو واضح کر لیں۔

2 اگست 2026 کو، اینڈری کارپاتی نے ایک پوسٹ شیئر کی۔ انہوں نے ایک تجربہ کیا: انہوں نے "دی لارڈ آف دی رنگز" کے شروع کا ایک حصہ، کلاؤڈ اوپس 5 کو دیا۔ انہوں نے 10 لاکھ ٹوکن کا بجٹ دیا، جو تقریباً 10 ڈالر کے برابر تھا۔ درخواست صرف ایک جملہ تھی — اسے Three.js کے ساتھ رینڈر کریں۔

پھر کیا؟

ماڈل نے خود تقریباً دو گھنٹے چلائے۔ تقریباً 5500 لائنز کوڈ لکھا۔ آخر میں 93 سیکنڈ کا ایک ویڈیو بنایا گیا، جس میں ایک سٹائلش، حرکت کرتے ہوئے مڈل ایرتھ کے ذریعے کیمرہ گزرتا ہے۔

کارپاتھی خود کیا کہتے ہیں؟ دو الفاظ: جانکی لیکن مزیدار۔ خراب، لیکن دلچسپ۔

یہ بات بہت ایمانداری سے کہی گئی ہے۔ کیونکہ اس کام کو مکمل کرنے کے لیے ماڈل کو بہت سارے مشکل اور تھکا دینے والے کام کرنے پڑتے ہیں: متعدد کونوں والے عناصر کو تین ڈی متناسب (x, y, z) میں رکھنا، ان کی جگہوں کا انتظام کرنا، پورے منظر کو حرکت دینے کے لیے کوڈ لکھنا، اور یہ یقینی بنانا کہ یہ سب چل رہا ہے اور کریش نہیں ہو رہا۔

ایک مضمون، کوئی سین، کوئی ایسٹیٹ لائبریری، کوئی واضح ہدایات نہیں۔ کردار، ماحول، ترتیب، فضا، شاٹ، رفتار — سب کچھ مدل کو اپنے خیال سے تصور کرنا پڑا۔ اور اس نے اسے حقیقت میں جوڑ لیا۔

یہی وہ جگہ ہے جہاں لوگ حیران ہو جاتے ہیں۔

لیکن پہلے پر سکون رہیں: کیا بنایا گیا ہے اور کیا نہیں بنایا گیا

خوشی سے پہلے، تین باتوں کو واضح کر لیں: ماڈل نے کیا حقیقت میں کیا، کیا انسان نے اضافہ کیا، اور کیا بالکل نہیں ہوا۔

ماڈل نے بنایا ہوا، وہ 5500 لائنز کوڈ ہے، وہ پروگرامیٹک طور پر تخلیق کیا گیا Three.js منظر ہے، اور وہ 93 سیکنڈ کی متحرک تصویر جو چل سکتی ہے۔ یہ حصہ حقیقی، قابل اعتماد اور توجہ دینے کے قابل ہے۔

لوگوں نے اس کے بارے میں کیا کہا؟ آڈیو۔ کارپاتھی نے جواب میں واضح کیا کہ نیٹس اس نے خود ElevenLabs کا استعمال کرکے ہاتھ سے بنایا۔ اس نے کہا کہ LLM ایپی آئی کو بلانے سے خودکار طور پر یہ کر سکتا ہے، لیکن اسے آواز کا انتخاب اہم تھا، اس لیے اس نے خود ہاتھ ڈال دیا۔ تو یہ "ٹیکسٹ سے فلم تک" کی مکمل خودکار لائن نہیں ہے۔ اسے ایسے مت بتائیں۔

کیا نہیں ہوا؟

کوئی ڈاؤن لوڈ کرنے کے لیے کوڈ ریپوزٹری نہیں ہے۔ کوئی اوپن سورس ریپوزٹری نہیں ہے۔ کوئی ایسا قابل کھیل ورژن نہیں جہاں آپ دیکھنے والے، NPC، یا کردار کے طور پر داخل ہو سکیں۔ کوئی ایسا فنکشن نہیں جو کھیلتے وقت حقیقی وقت میں نئی دنیا پیدا کرے۔ کوئی جامع، سیکھا ہوا "دنیا کا ماڈل" نہیں ہے۔ اور نہ ہی پروڈکشن لیول کی ٹکراؤ، تفاعل، اور کہانی کی مسلسل رفتار ہے۔ حتیٰ کہ ایک قابل دوہرائی ٹوکن کے استعمال اور لاگت کی فہرست بھی شائع نہیں کی گئی ہے۔

عام طور پر، ایک ویڈیو ہے۔

تو وہ دہرائی جانے والی جملہ "آن ڈیمانڈ پر ظاہر ہونے والا GTA" — ایک ephemeral GTA of X on demand — وہ سمت ہے جس کے بارے میں کارپاتھی کو خوشی ہو رہی تھی، نہ کہ جو چیز اب اس کے پاس ہے۔ آج کا یہ مکمل پروڈکٹ زیادہ تر ایک خودکار بنائے گئے براؤزر کا سٹریو ڈائیگرام ہے، جو کھلی دنیا والے گیم سے لاکھوں میل دور ہے۔

میں "یہ کیا نہیں کر سکا" پر اتنے الفاظ کیوں ضائع کروں؟

کیونکہ اس Opus 5 گیم ڈیمو کے پھیلاؤ میں سب سے بڑا تحریف اسی سطح پر ہوا۔ کچھ لوگوں نے "10 ڈالر میں دی لارڈ آف دی رنگز گیم" دیکھ کر شیئر کر دیا، لیکن "ویڈیو، نا مکمل، آواز کا ہاتھ سے بنایا گیا، کوڈ نہیں" جیسی چھوٹی لکیریں نہیں دیکھیں۔ رائے کو حقائق پر بنایا جانا چاہئے، اور حقائق کی حد پہلے واضح ہونی چاہئے۔

کیوں یہ "سائیکل چلانے والے پیلیکن" سے زیادہ سنجیدگی سے دیکھنے کے قابل ہے

کارپاتھی کے اس تجربے کا اصل مطلب "دکھاوہ" نہیں، بلکہ "ایک نئی پیمائش کا استعمال" ہے۔

پہلے لوگ بڑے ماڈلز کی ویژل اینکوڈنگ صلاحیت کیسے ٹیسٹ کرتے تھے؟ انہیں ایک "سائیکل چلا رہا ہوئی ٹرائلکن" کا SVG بنانے کو کہتے تھے۔ یہ ٹیسٹ مفید تھا — اس سے فضاوی استدلال، ہدایات کی پابندی، اور براؤزر گرافکس کی سمجھ کا پتہ چلتا تھا۔ لیکن یہ بہت آسانی سے "جوابات میں یاد کر لیے جانے" لایا جاتا تھا، اور اکثر صرف ایک فریم کی بنیاد پر فیصلہ کر لیا جاتا تھا۔

ایک "رینگ آف فائر" کا ٹاسک، جائزہ کے پہلوؤں کو فوراً لمبا کر دیتا ہے۔

ٹائم اسکیل: منٹوں سے لے کر تقریباً دو گھنٹے تک۔ کوڈ کا سائز: دہوں اور سوں لائنز سے لے کر تقریباً 5500 لائنز تک۔ امریگیٹی: "ایک آبجیکٹ اور کمپوزیشن" سے بدل کر "کردار، ماحول، ٹائم لائن، ماحول، کیمرہ اور ریتھم" کو سب کو سنبھالنا پڑتا ہے۔ حالت: بنیادی طور پر سٹیٹک سے بدل کر وقت کے ساتھ ترقی پذیر اینیمیشن واقعات تک۔ مواد: کچھ شکلوں سے بدل کر بہت سے قابل دوبارہ استعمال کیے جانے والے پروگرامیٹک آبجیکٹس تک۔

سب سے زیادہ اہم بات تصدیق کے ابعاد ہیں۔ ایک SVG بنائیں، آپ ایک فریم دیکھ کر فوراً سمجھ جائیں گے کہ یہ درست ہے یا نہیں۔ ایک حرکت کرتا ہوا عالم رینڈر کرنا ہے، تو آپ کو لاکھوں لمحات، لاکھوں تبدیلیوں کا جائزہ لینا پڑے گا—جیومیٹری، کیمرہ، اوورلے، حرکت، رفتار، پرفارمنس، کوئی بھی ایک جگہ خراب ہو سکتی ہے۔

یہی اصل کام ہے جو لمبے دور، اعلیٰ ابہام اور مضبوط حالت کا ہے۔ یہ "تصویر بنانا" نہیں بلکہ "软件 بنانا" کی طرف قریب پہنچتا ہے۔

بالکل، ایک ایماندارانہ بات یہ بھی ہے کہ یہ کوئی سخت ماڈل بینچ مارک نہیں ہے۔ کارپاتھی نے مکمل پرومپٹ، ٹول چین کنفیگریشن، دوبارہ کوشش کی تعداد، ٹوکن ٹریجکٹری، سورس کوڈ اور اسکورنگ کرائٹیریا شائع نہیں کیے۔ یہ ایک مفید علنا تجربہ ہے، لیکن قابو پذیر افقی موازنہ نہیں۔ اسے رینکنگ کے لیے استعمال نہ کریں۔

سستا "جِنریٹ" ہے، مہنگا اب بھی "آنکھ" ہے

اس بات کا اصل اندازہ کیا ہے؟

میرے خیال میں صرف ایک جملہ ہے: کسٹم ویژول سافٹ ویئر کی تخلیقی لاگت، AI کے اپنے کام کی جانچ اور تجربہ کرنے کی صلاحیت کے مقابلے میں زیادہ تیزی سے کم ہو رہی ہے۔

یہ بات کو ٹکڑوں میں بانٹ کر سمجھانا پڑے گا۔

اس قسم کی انتہائی کسٹمائزڈ مواد — جس میں کسی خاص متن کو ایک مخصوص 3D منظر میں تبدیل کیا جائے — پہلے تقریباً کوئی اس کے لیے الگ سے کام نہیں کرتا تھا۔ کیوں؟ اس کا اخراج اور وقت دونوں ناکافی ہوتے ہیں۔ آپ ایک ٹیم کو ملازم کریں، جو آپ کے لیے "انگوٹھی کا ساتھی" کے شروعاتی 93 سیکنڈ کی اینیمیشن بنائے، تو اس کے لیے کتنی رقم اور کتنے دن لگیں گے؟

لیکن LLM ہمیشہ کام کرتا رہ سکتا ہے۔ یہ تھکتا نہیں، شکایت نہیں کرتا، 10 ڈالر میں دو گھنٹے چل جاتا ہے۔ مخصوص دنیا، "لگزری" سے "آسانی سے پیدا کیا جانے والا چیز" بن گئی۔ یہ فراہمی کی طرف سے ایک حقیقی، گرنے والی قیمت کمی ہے۔

لیکن مسئلہ دوسری طرف ہے۔

اپس 5 دنیا بنانے میں کامیاب ہو گیا، لیکن اپنی بنائی ہوئی دنیا کو اچھی طرح سے نہیں دیکھ سکا۔ یہ ویڈیوز کو موثر اور نیچے سے نہیں دیکھ سکتا، اور گیمز میں ٹرائل نہیں کر سکتا۔ یہ صرف مختلف نوڈس پر سستی سے اسکرین شاٹس لے سکتا ہے، اور ایک ایک کر کے ان کا جائزہ لے سکتا ہے۔ یہ ایسے ہے جیسے کوئی مصور اپنی آنکھوں پر پٹی باندھ کر پینٹ کر رہا ہو، جسے صرف کچھ منٹ بعد ہی اپنی پینٹنگ کو ایک نظر دیکھنے کی اجازت ملے۔ اس عمل کے دوران بار بار غلطیاں ہوتی رہیں، جس سے بہت سے خراب اور خراب جگہیں باقی رہ گئیں — janky اسی طرح آیا۔

پیدا کرنا بہت ہے، چیک کرنا ٹپکتا ہے۔

یہی کارپاتھی کے پوسٹ میں سب سے تیز ترین موازنہ ہے: اس نے ایک دنیا تخلیق کر لی ہے، لیکن ابھی تک اپنی تخلیق کردہ دنیا کو آسانی سے چیک نہیں کر سکتا اور تجربہ نہیں کر سکتا۔

آنکھیں، نئی رکاوٹ بن گئیں۔

یہ اکیلا واقعہ نہیں ہے: پورے گرمیوں کا "ایک جملے میں گیم بنائیں"

کوئی پوچھ سکتا ہے: کیا یہ صرف ایک خوش قسمتی کا پرفارمنس ہوگا؟

نہیں، اسے وقتی لائن پر دیکھیں تو جولائی 2026 سے، Opus 5 کے اردگرد ایک سلسلہ وہی طرح کے ڈیمو ظاہر ہوئے، جنہوں نے پورا گرمی کا موسم چھا لیا۔

کسی نے اس کا استعمال کرکے ہوم ورلڈ کے انداز میں ایک اسپیس ریل ٹائم اسٹریٹجی گیم بنایا، اور لاگت کی تفصیل شائع کی — 632.65 امریکی ڈالر۔ کسی نے راکٹ لیگ کے انداز میں ایک کلون بنایا، جو زیادہ عملی ہے، کوڈ دستیاب ہے، ورژن کھیلا جا سکتا ہے، اور اس کی دوبارہ تشکیل کرنے کی صلاحیت زیادہ ہے۔ اس کے علاوہ براؤزر میں ایف پی ایس، پروسیجرل جنریٹڈ ڈیزерт ایکسپلوریشن، ہارر گیمز، کارٹنگ ریسنگ...

کیا آپ نے نمونہ پہچان لیا؟

ان ڈیمو کی کوالٹی مختلف ہے اور ان کی دوبارہ تشخیص کی صلاحیت بھی بہت زیادہ فرق رکھتی ہے۔ کچھ میں صرف ویڈیو ہے، کچھ میں تو بلز بھی شیئر کر دیے گئے ہیں۔ لیکن وہ سب ایک ہی رجحان کی طرف اشارہ کرتے ہیں: ایک قدرتی زبان کے پرامپٹ کا استعمال کرکے ماڈل کو لمبے وقت تک خود مختار طور پر ہزاروں اور لاکھوں لائنز کوڈ لکھنے کے لیے مجبور کرنا، تاکہ ایک چلنے والا انٹرایکٹو ورلڈ بنایا جا سکے — یہ کام "असंभव" سے "ہر ہفتے کوئی نہ کوئی اسے آزماتا ہے" تک پہنچ گیا ہے۔

کارپاتھی کا "د دی رنگ آف دی رنگ" کوئی اچانک ظہور والا معجزہ نہیں ہے۔ یہ اس منحنی پر ایک نقطہ ہے۔ ایک ایسا نقطہ جو ایک اثرانداز شخص نے، ایک کافی رومانوی متن کے ساتھ، کافی واضح طریقے سے پیش کیا ہے۔

تو، "AI گیم بنانے کا دور" آ گیا ہے یا نہیں؟

وہ سب سے زیادہ پوچھا جانے والا سوال واپس آ جائے۔

آ گیا؟

میرا جائزہ یہ ہے کہ رخ واضح ہو چکا ہے، لیکن دور ابھی آیا نہیں۔

سمت واضح ہے، کیونکہ فراہمی کی لاگت منحنی نیچے کی طرف موڑ چکا ہے اور تیزی سے نیچے جا رہا ہے۔ AI کو لمبے عرصے تک کسٹمائزڈ انٹرایکٹو مواد جنریٹ کرنے کے لیے، 0 سے 1 تک کا ٹیکنالوجی کا راستہ پہلے ہی مکمل ہو چکا ہے۔ باقی بات 1 سے ایسا بنانے تک ہے جو استعمال کیا جا سکے، کھلا جا سکے اور بیچا جا سکے۔

وقت نہیں آیا، کیونکہ تین رکاوٹیں اب بھی حقیقی طور پر موجود ہیں۔

پہلا مرحلہ، حسی بند حلقة ہے۔ ماڈل کو اپنے خروج کو اصلی طور پر دیکھنا، اصلی طور پر کھیلنا، اور اصلی طور پر جانچنا چاہیے، نہ کہ کسی انسان کو اس کے سائرن کا اسکرین شاٹ لینا، آواز شامل کرنا، یا پیچیدہ صورتحال سے نکلنا پڑے۔ یہ بہت متعدد ماڈل کی صلاحیتوں میں سب سے مشکل حصہ ہے — "ایک تصویر سمجھنا" نہیں، بلکہ "ایک وقت کے ساتھ تبدیل ہونے والی، تفاعلی حرکت کو سمجھنا"۔

دوسرا، قابل دوبارہ تکرار اور قابل ارسال ہونا۔ ویڈیو نرم افزار نہیں ہوتا۔ ڈیمو مصنوعات نہیں ہوتا۔ 93 سیکنڈ کا ایک شاندار منظر اور ایک ایسی چیز کے درمیان، جسے کوئی اور ڈاؤن لوڈ، چلانا، تبدیل کرنا اور ایک گھنٹے تک کھیل سکے، پوری انجینئرنگ کی مشکل مہمات پڑتی ہیں۔

تیسری بات "ریل ٹائم" کے وزن کی ہے۔ کارپاتھی کا خیال یہ ہے کہ آپ ایک عارضی طور پر جنم لینے والی دنیا میں داخل ہوتے ہیں، کردار کے طور پر، گواہ کے طور پر، NPC کے طور پر—ایک آن ڈیمانڈ پر ظاہر ہونے والی GTA کی طرح۔ لیکن اب یہ دو گھنٹے کی آف لائن پروسیسنگ کے بعد ایک ویڈیو بن رہی ہے۔ "دو گھنٹے میں ویڈیو" سے "آپ کے نیچے کی راہ کو ریل ٹائم میں جنم دینا" تک، یہ مقدار میں تبدیلی نہیں، بلکہ معنوی تبدیلی ہے۔

تو میں "وقت آ گیا ہے" جیسے الفاظ پسند نہیں کرتا۔ بہت زیادہ ہے۔

میں اسے اس طرح کہوں گا: ہم "سائیکل چلانے والے پیلیکن" کے دور سے نکل رہے ہیں اور ایک ایسے عبوری دور میں داخل ہو رہے ہیں جہاں ماڈل خاکہ جنگل بناتے ہیں لیکن اپنے بنائے ہوئے کچھ بھی نہیں دیکھ پاتے۔

یہ انتقالی دور کتنے لمبا ہوگا؟ کوئی نہیں جانتا۔ شاید دو سال، شاید پانچ سال۔ اس بات پر منحصر ہے کہ وہ "آنکھ" — AI نیٹو احساس اور خود جائزہ لینے کی صلاحیت — کب تک مکمل ہو جائے۔

لیکن ایک بات میں کافی مطمئن ہوں۔

جب ایک دنیا بنانے کے لیے صرف 10 ڈالر اور دو گھنٹے کافی ہوں، تو "بنانا" کمیاب نہیں رہتا۔ کمیاب ہے "آپ نے کیا بنایا" اور "آپ بالکل کیا بنانا چاہتے ہیں"۔ مشین "بنانا" کا دوسرا حصہ کرتی ہے، جبکہ پہلا حصہ — "چاہنا" اور "دیکھنا" — ابھی تک انسان کا کام ہے۔

خشنی میڈیا اب چل رہا ہے۔

جب آپ واقعی اندر جانے کے قابل ہو جائیں — بیچارہ نہیں، آہستہ آہستہ۔ یہ بات، انتظار کرنے کے قابل ہے۔

حوالہ جات

• اندرو کارپاتھی نے 2 جولائی 2026 کو ایکس (سابقہ ٹویٹر) پر اصل پوسٹ اور ویڈیو شیئر کی
• Anthropic نے متعلقہ طور پر Claude Opus 5 کا اعلان کیا ہے، anthropic.com
• Three.js کی سرکاری ویب سائٹ، threejs.org
• explainx.ai: کارپاثی کا 10 ڈالر کا Opus 5 لارڈ آف دی رنگز ورلڈ: نیو AI ایوال، 2 جولائی 2026
• بینزنگا: اینڈری کارپاتھی کا کہنا ہے کہ AI نے کلاؤڈ آپس کے 3D 'دی لارڈ آف دی رنگز' دنیا بنانے کے بعد سادہ پرامپٹس کو عبور کر لیا ہے، 2026ء کا اگست
• اینٹرپرائز ڈی این اے: اینڈریج کارپاتھی کا نیکس جنریشن بینچ مارک مومنٹ، 2 جولائی 2026
• explainx.ai: "Opus 5 نے ایک پرامپٹ سے ہوم ورلڈ جیسا اسپیس RTS تعمیر کیا — $632.65 کے بعد"، 28 جولائی، 2026
• explainx.ai: "ٹاپ 10 کلود آپس 5 گیم پرامپٹس (اصل پرامپٹس کے ساتھ)"، 29 جولائی، 2026