Gemini 4 Neon: Aus einem einseitigen Briefing ein spielbares 3D-Webspiel machen
Von einer Seite Text zum spielbaren Spiel
Ein Studio für Casual Games möchte ein kleines 3D-Spiel für seine Website. Alles, was es hat, ist ein schriftliches Briefing: keine Designzeichnungen, keine Referenzbilder, keine Grafiken. Auf einer Tischplatte liegt ein geleeartiges Meer, in der Mitte eine bewohnte Insel und eine Rakete auf ihrer Startrampe. Der Spieler steuert ein Arbeitsboot, um fünf Raketenteile zu holen, während das Wetter von einem klaren Morgen zu einem Sturm in der Abenddämmerung umschlägt. Sobald das letzte Teil ankommt, hebt die Rakete ab.
Von Hand ist das für ein kleines Team wochenlange Arbeit. Jemand modelliert die Insel und die Stadt, jemand programmiert Wasser und Wetter, jemand baut den Game Loop, und jemand testet alles. Dazu will das Studio das Ganze in einer einzigen HTML-Datei, die offline läuft, ein striktes GPU-Budget einhält und eine skriptfähige Schnittstelle bereitstellt, damit sein QA-Team das Spiel automatisiert durchspielen kann.
Also haben wir das Briefing Gemini 4 Neon in Eigent übergeben. Nach 43 Minuten kam eine einzige Datei mit 2.4 MB zurück: eine lebendige Insel mit Stadt, Ampeln, Fähren, Möwen und Flugzeugen, fünf Wetterlagen plus Tag und Nacht und ein Lieferspiel, das sich vom Titelbildschirm bis zum Raketenstart durchspielen lässt.
Der Workflow auf einen Blick
Ein einziges Briefing führte von einem leeren Ordner bis zum fertigen Spiel. Jede Phase hinterließ etwas, das wir prüfen konnten.
| Phase | Was passiert ist | Was dabei entstand |
|---|---|---|
| Lesen | Das vollständige Briefing, spec.json und den Lizenzhinweis zu den Assets gelesen | Die Regeln: eine Datei, kein Internet, nur three.js, feste Zahlen und Budgets |
| Einrichten | Festgestellt, dass die erwartete Python-Umgebung fehlte, und Playwright sowie ein headless Chromium installiert, um die eigene Arbeit zu testen | Ein Browser, den es selbst steuern konnte |
| Bauen | Das Spiel als 5 Module geschrieben (rund 204 KB Quellcode) und mit three.js zu einer Datei gebündelt | Ein erster Build mit 2.27 MB |
| Testen | Die eigene Playwright-QA-Suite ausgeführt und Screenshots aller Ansichten begutachtet | 66 von 68 Checks bestanden, 2 Fehler gefunden |
| Feinschliff | Drei Durchgänge zu den Funden: Draw Calls, die Wasserwände, Nachtbeleuchtung, das Riff, Flammen und Rauch der Rakete | 69 von 69 Checks, 0 Fehler |
| Ausliefern | Die Datei auf Netzwerkzugriffe und Lizenzen geprüft | Eine einzige Offline-Datei scene.html, 2.38 MB |
So ist Gemini 4 Neon vorgegangen – inklusive der Stellen, an denen es nicht gereicht hat, und warum.
Was das Modell geliefert hat
- Eine lebendige Insel. Strände, Hügel und eine felsige Küste, eine Stadt mit 31 Gebäuden, Straßen, Kreisverkehren und 8 funktionierenden Ampeln, 14 Autos, Fähren zwischen den Anlegestellen, 16 Möwen über der Stadt und 2 Flugzeuge. Auf einer Mole steht ein Leuchtturm, und neben ihrem eigenen Anleger wartet eine Rakete auf der Startrampe.
- Wasser und Wetter. Ein durchsichtiger Geleeblock mit tiefem Meeresgrund, Wellen, Kielwasser, Kaustiken und einem Unterwasserriff. Es gibt fünf Wetterlagen (klar, bewölkt, Regen, Schnee und Sturm), Schnee, der sich auf Land und Dächern absetzt, sowie einen Tag-Nacht-Zyklus mit Stadtbeleuchtung, Mond und Sternen.
- Ein vollständiges Spiel. Ein Arbeitsboot, das in 5 Sekunden 15 m/s erreicht und sich in 3 Sekunden um 192° dreht (das Briefing verlangt 8 m/s und 45°). Fünf Raketenteile werden nacheinander geladen und abgeliefert. Nach jeder Lieferung wirft ein Versorgungsflugzeug das nächste Teil ab, und das Wetter verschlechtert sich im Lauf des Tages von 9:00 bis 18:00 Uhr. Nach dem vierten Teil bebt das Geleemeer, nach dem fünften steigt die Rakete 496 m hoch. Ein Abschlussbildschirm zeigt Zeit, Punktzahl und eine Sterne-Bewertung.
- Ein Marketing-Modus. Mit
?explorein der URL gibt es eine freie Kamera, Wetter-Buttons, einen Schieberegler für die Tageszeit und sechs voreingestellte Ansichten. - Eine QA-Schnittstelle. Über
window.sceneAPIundwindow.gamekann ein Skript die Simulation Frame für Frame weiterschalten, die Kamera bewegen, das Boot teleportieren und den Zustand jedes Autos, Boots und Flugzeugs auslesen. So hat der Prüfer das gesamte Spiel durchgespielt – und so haben wir das Video gedreht.
Das Setup
- Eigent 1.0.8, in einer einzigen Session im Modus Single Agent, mit Gemini 4 Neon als Modell und Denkaufwand Medium.
- Ein lokaler Ordner mit der Aufgabe:
PROMPT.md(das vollständige Briefing) und der schreibgeschützte Ordnerinput_files/mit three.js 0.186.1,spec.json(Koordinaten, Budgets und feste Zahlen) und dem Lizenzhinweis zu den Assets. - Auf sich allein gestellt. Niemand beantwortete Fragen oder griff ein. Jede Entscheidung traf der Agent selbst.
- Offline. Die fertige Datei darf keine Netzwerkanfragen stellen. Jede Textur, jeder Sound und jeder Shader muss im Code erzeugt werden.
- Harte Grenzen. Höchstens 450 Draw Calls, 3 Millionen Dreiecke und 400 MB GPU-Speicher in einem Übersichtsframe. Außerdem legt das Briefing die Fahrwerte, das Timing der Abwürfe, die Stärke des Bebens und die Höhe des Starts fest.
Wie Gemini 4 Neon gearbeitet hat
Gemini 4 Neon arbeitete die Aufgabe als einzelner Agent ab. Die Zeiten sind Minuten ab Beginn des Laufs.
- Orientierung (0:00–1:00). Es las
PROMPT.md,spec.jsonund den Lizenzhinweis und prüfte dann, welche Werkzeuge auf dem Rechner vorhanden waren: Python, Node und ein Browser. - Eine Pause, die nicht auf den Agenten ging (1:00–6:00). Der Workspace enthielt 513 Dateien, das Checkpoint-Limit von Eigent liegt bei 500. Also hielt Eigent an und bat einen Menschen, fortzufahren. Rund 5 Minuten des Laufs vergingen mit dem Warten auf diesen Klick.
- Der eigene Prüfstand (6:00–10:00). Die im Briefing beschriebene Python-Umgebung war nicht eingerichtet, also installierte es Playwright und Chromium selbst, um das Spiel so zu testen, wie es das QA-Team tun würde. Außerdem sah es sich die three.js-Dateien an, um sie sauber in eine einzige Datei zu bündeln.
- Das Spiel schreiben (10:00–20:00). Es schrieb fünf Module: zuerst Terrain und Noise, dann Wasser, Himmel und Wetter, dann Stadt, Vegetation, Wahrzeichen und Verkehr und schließlich Game Loop, QA-Schnittstelle und UI. Um 20:06 bündelte es alles zu einer einzigen Datei mit 2.27 MB und prüfte die Syntax mit Node.
- Testen und hinschauen (21:00–27:00). Seine eigene Playwright-Suite bestand 66 von 68 Checks. Es fand zwei Fehler: 865 Draw Calls bei einem Budget von 450 und ein Boot, das nur 3.79 m/s statt der im Briefing geforderten 8 erreichte. Dann öffnete und begutachtete es 12 Screenshots seines eigenen Spiels, von der Inselübersicht bis zum Siegesbildschirm.
- Drei Feinschliff-Durchgänge (27:00–43:00). Es fasste Draw Calls zusammen, korrigierte die Sortierung der Wasserwände und die Geländefarben und baute Nachtbeleuchtung, Unterwasserriff und Raketenstart neu. Nach der Überarbeitung lag es bei 149 Draw Calls, alle Checks grün. Zwei weitere Durchgänge brachten grünere Hügel, helleres Wasser, Korallen und Seetang, Raketenflammen und wogenden Rauch und behoben einen Culling-Fehler, der den Rauch verschluckt hatte. Jeden Durchgang prüfte es mit eigenen Augen, insgesamt anhand von 27 Screenshots.
- Auslieferung (43:24). Es führte eine abschließende Offline- und Lizenzprüfung durch und lieferte ab: 69 von 69 Checks, 0 Fehler.
Insgesamt: 73 Modellaufrufe und 86 Tool-Aufrufe in 43 Minuten 36 Sekunden, ohne menschliches Zutun außer dem Klick am Checkpoint.
Das Ergebnis
Im Ausgabeordner landete eine einzige Datei: output/scene.html, 2.38 MB, mit eingebettetem three.js r186 und erhaltenem MIT-Lizenzhinweis. Datei öffnen, und das Spiel läuft. Mit ?explore wird daraus ein Showroom.
| Gemessen an der gelieferten Datei | Ergebnis | Grenze oder Ziel |
|---|---|---|
| Draw Calls, Übersichtsframe | 145 | ≤ 450 |
| Dreiecke | 355 K | ≤ 3 M |
| GPU-Speicher | 49 MB | ≤ 400 MB |
| Netzwerk- oder lokale Dateianfragen | 0 | 0 |
| Konsolenfehler | 0 | 0 |
| Höchstgeschwindigkeit nach 5 s | 15 m/s | ≥ 8 m/s |
| Drehung in 3 s | 192° | ≥ 45° |
| Per Skript abgeschlossene Lieferungen | 5 von 5, dann Start und Abschlussbildschirm | 5 |
| Steighöhe der Rakete | 496 m | ≥ 50 m |
| Spielbereit in headless Chromium mit Software-Rendering | 17 s | – |
Wie es abgeschnitten hat
Wir haben die Datei mit dem Evidence Collector der Aufgabe bewertet, im Docker-Image der Aufgabe, gerendert mit SwiftShader auf 2 CPUs. Ein Skript steuert die Seite, misst alles und entscheidet anhand dieser Messungen über jedes von 91 binären Kriterien. 74 Kriterien vergeben 352 Punkte, 17 Strafen können bis zu 99 abziehen. Wir haben die Regel jedes Kriteriums auf die Messwerte angewendet und keinen LLM-Judge eingesetzt – das hier ist also der programmatische Score. Dieselbe Auswertung reproduziert alle drei früheren offiziellen Scores dieser Aufgabe exakt.
| Gruppe | Punkte |
|---|---|
| Befolgung der Anweisungen | 21 / 21 |
| Dateivalidität und Assets | 3 / 3 |
| Engineering und Organisation | 6 / 6 |
| Struktur und Korrektheit der Aufgabe | 122 / 167 |
| Visuelle Qualität und Ästhetik | 91 / 155 |
| Strafen | −31 (5 von 17 ausgelöst) |
| Gesamt | 0.602 (212 von 352 Punkten, 59 von 74 Kriterien) |
Ohne die fünf Strafen kommt dieselbe Datei auf 0.69.
Außerdem haben wir den Lauf selbst geprüft, anhand der Tool-Aufrufe des Agenten.
| Prüfung | Was wir festgestellt haben |
|---|---|
| Keine Webrecherche | Es gab keine Aufrufe von Websuche, Browser oder Seitenabruf. |
| Downloads nur zum Testen | Es installierte Playwright per pip und lud Chromium herunter, um sein eigenes Spiel zu testen, weil die vom Briefing erwartete Umgebung nicht eingerichtet war. Die Spieldatei selbst stellt keine Anfragen. |
| Eigene Arbeit getestet | Es schrieb und startete seine eigene QA-Suite mit 69 Checks und begutachtete 27 Screenshots. |
Wo es nicht gereicht hat – und warum
Gemini 4 Neon hat alles gebaut, was das Briefing verlangte, und das Spiel lässt sich von Anfang bis Ende durchspielen. Die verlorenen Punkte liegen in der anspruchsvollsten Ebene des Realismus und in einigen Details bei Verkehr und Kamera.
- Wasser, das sich wirklich bewegt und Licht bricht. Der Prüfer konnte keine echten Wellen bestätigen (seine Testplatte wurde unter der Wasserschicht gerendert), keine Lichtbrechung (ein Block auf dem Meeresgrund wurde nicht verzerrt) und kein Kielwasser, das mit der Geschwindigkeit breiter wird. Die Kaustiken waren vorhanden, aber zu spärlich, und die Brandung an der Küste war nicht hell oder bewegt genug.
- Dinge, die sich bewegen sollten. Die Bäume wiegen sich nicht, und das ruhende Boot trieb im Sturm nur 0.18 m ab, wo der Prüfer 0.5 m sehen wollte.
- Details bei den Abwürfen und beim Start. 3 der 4 Abwürfe waren innerhalb von 40 Sekunden an Ort und Stelle, und der Abwurf ins offene Meer erzeugte keinen Wellenring. 1 Sekunde nach dem Abheben war die Flamme im Bild des Prüfers zu klein.
- Schnee und Materialien. Schnee bedeckte 91% des Landes und 87% der Dächer, aber nur 19% der Baumkronen. Autos und Rakete nutzen überwiegend nicht reflektierende Materialien.
- Fünf Strafen (−31). Zwei Autos kamen sich bis auf 2 m nahe, und Autos im Gegenverkehr fuhren zu nah an der Mittellinie. 7% der befahrenen Straßenpunkte lagen unter Gras. Die Drehrate der Kamera sprang auf 29°/s bei einem Limit von 8°/s. Und das Versorgungsflugzeug tauchte in 8 Messpunkten unter die Oberfläche.
Bei den harten Strafen blieb es sauber: Das Boot ruckelt nie, nichts flackert, Pausieren ist sicher, das Teil durchdringt nie das Flugzeug, es gibt keine Kaustiken auf dem Deck und keine Konsolenfehler.
Außerdem war das ein einzelner Lauf mit Denkaufwand Medium. Bei einer so langen Aufgabe können die Ergebnisse von Lauf zu Lauf schwanken.
Was wir gelernt haben
- Es baut ganze Produkte, keine Schnipsel. Aus einer Seite Text: eine Welt, ein Spiel, eine UI, ein Marketing-Modus und eine QA-Schnittstelle – in einer Datei.
- Gib ihm eine Möglichkeit zu testen, und es testet. Als die Umgebung fehlte, richtete es sich einen eigenen Browser ein, schrieb seine eigene QA-Suite und fand seine eigenen Fehler, bevor es übergab.
- Es schaut sich an, was es baut. Es begutachtete seine Screenshots wie ein Designer und behob, was ihm auffiel: die Wasserwände, die Nachtbeleuchtung, das Riff und die Abgasfahne der Rakete.
- Harte Zahlen sind leicht zu treffen, wenn sie aufgeschrieben sind. Jeder Wert zu Fahrverhalten, Budget und API aus dem Briefing wurde erfüllt. Was bleibt, ist Realismus, den keine Zeile der Spezifikation festnagelt: Wasser, das Licht bricht, Bäume, die sich wiegen, Verkehr, der sich nie berührt.
Ein Briefing muss nicht auf ein Team warten. Gib es Gemini 4 Neon in Eigent – und spiel dann das Ergebnis.
Selbst ausprobieren
- Lade das Aufgabenpaket herunter (
game-threejs-jelly-sea-express.zip) und entpacke es in einen leeren Ordner. Es enthältPROMPT.mdund einen Ordnerenvironment/mit den schreibgeschützten Eingabedateien. - Richte den Eingabeordner ein. Kopiere
environment/input_files/alsinput_files/in deinen Arbeitsordner und lege daneben einen leeren Ordneroutput/an. - Öffne Eigent und starte ein neues Projekt in einem Space, der mit diesem Arbeitsordner verknüpft ist.
- Wähle den Modus Single Agent, wähle Gemini 4 Neon als Modell und stelle den Denkaufwand auf Medium.
- Füge das Briefing ein. Kopiere in
PROMPT.mddie Version B (Eigent), also den Text zwischen ihren beiden----Zeilen. Passe die Ordnerpfade an deine eigenen an und sende ihn als erste Nachricht. Füge keine Hinweise hinzu. - Lass es laufen. Beantworte keine Fragen und greif nicht ein. Rechne mit rund 45 Minuten. Falls Eigent am Checkpoint-Limit des Workspace anhält, klicke auf Fortfahren – das liegt an Eigent, nicht am Agenten.
- Spiel das Ergebnis. Öffne
output/scene.htmlim Browser. Drücke Start und steuere dann mit W A S D (Esc pausiert). Öffnescene.html?explorefür die freie Kamera, die Wetter-Buttons, den Zeitregler und die voreingestellten Ansichten. - Prüfe Budgets und API. In der Browserkonsole sollten
window.sceneAPIundwindow.gamebeide vorhanden sein.window.sceneAPI.renderer.info.render.callssollte in der Übersicht unter 450 bleiben. - Kontrolliere den Lauf. Aktiviere Dev mode und sieh dir die Tool-Aufrufe an. Du solltest keine Aufrufe für Websuche oder Fetch finden. Paketinstallationen, falls vorhanden, sollten nur Testwerkzeuge betreffen.
Credits: erstellt mit Gemini 4 Neon und Eigent.








