Ringkasan: Eksperimen Saltline yang diceritakan sendiri oleh pengembangnya menunjukkan bagaimana pembuatan kode jangka panjang dapat menghasilkan sebuah prototipe yang bisa dimainkan. Untuk memahami estimasi biaya API-nya, perlu melihatnya bersama dengan penagihan cache dan penagihan output.
Pada 9 November 2026, engineer Anthropic Felix Rieseberg mempublikasikan sebuah eksperimen. Ia hanya memberikan satu petunjuk kepada Claude Fable 5.2, lalu tidak memberikan umpan balik manusia sama sekali, dan akhirnya mendapatkan game first-person shooter 3D bernama Saltline yang bisa langsung dijalankan di browser. Menurut penuturannya sendiri, proses generasi ini memakan waktu sekitar 8 jam, menghabiskan sekitar 445 juta Token input dan sekitar 2,7 juta Token output, dengan estimasi biaya berdasarkan harga API sekitar 550 dolar AS.
Ada dua hal yang paling layak diperhatikan dari eksperimen ini. Pertama, model menyatukan pekerjaan yang biasanya terbagi ke berbagai posisi berbeda — pembangunan scene, logika game, model dan tekstur, shader, efek suara, dan interaksi pemain — ke dalam satu tugas pembuatan kode jangka panjang yang sama; semua konten visual hadir dalam bentuk kode dan fungsi. Kedua, jika 445 juta Token input ditagih seluruhnya dengan harga input biasa, biayanya akan melebihi 3500 dolar AS, sedangkan estimasi yang dilaporkan pengembang hanya sekitar 550 dolar AS; selisihnya terutama berasal dari mekanisme cache. Ekonomi tugas pengembangan AI yang kompleks bergantung pada sejauh mana konteks digunakan ulang; kesimpulan yang hanya melihat harga satuan input dan output akan sangat menyesatkan.
Berikut ini pertama-tama memperkenalkan data publik dan kondisi eksperimen Saltline, lalu membedah bagian mana saja dari pengembangan game yang benar-benar diselesaikan AI, kemudian menghitung dengan harga resmi Fable 5.2 asal-usul 550 dolar AS dan batas-batas yang bisa dihitung ulang, selanjutnya memberikan kerangka biaya yang membedakan pemanggilan model, eksekusi pengembangan, dan operasi produk, dan terakhir membahas jarak antara pengembangan mandiri AI semacam ini dalam wujud prototipe yang bisa dimainkan versus game komersial.

To Know: Memahami istilah dalam eksperimen game 3D AI
| Istilah | Penjelasan |
|---|---|
| Token | Satuan ukuran saat model memproses input dan output; API menagih berdasarkan jumlah Token. |
| API | Antarmuka yang dipanggil aplikasi untuk mengakses layanan model, yang dipakai pengembang untuk menghubungkan model ke program mereka sendiri. |
| Cache input (Prompt Caching) | Menyimpan hasil pemrosesan konteks yang berulang, lalu memakainya kembali pada permintaan berikutnya, sehingga menekan biaya dan latensi. |
| Penulisan cache | Penyimpanan awal konteks yang bisa dipakai ulang ke dalam cache; harga per unitnya biasanya lebih tinggi daripada input biasa. |
| Pembacaan cache | Permintaan berikutnya yang mengenai cache yang sudah ada, ditagih dengan harga jauh lebih murah daripada input biasa. |
| TTL | Masa berlaku cache; setelah kedaluwarsa, cache perlu ditulis ulang. Fable 5.2 menyediakan dua pilihan: 5 menit dan 1 jam. |
| Batch API | Cara pemanggilan untuk tugas batch asinkron, cocok untuk skenario yang tidak menuntut respons instan dan bisa mendapat diskon. |
| Agent | Aplikasi model yang mampu memanggil alat, membaca dan menulis berkas, serta menjalankan tugas bertahap. |
| Prototipe yang dapat dimainkan | Versi awal game untuk memverifikasi kelayakan gameplay dan teknis, dengan konten dan tingkat poles yang masih terbatas. |
| Shader | Program kecil yang berjalan di GPU, memakai fungsi matematika untuk menentukan warna, pencahayaan, dan tampilan material. |
| Pembuatan prosedural | Membangun model, tekstur, suara, dan konten lain saat runtime dengan aturan dan algoritma, menggantikan aset yang dibuat sebelumnya. |
| WebGL / Three.js | WebGL adalah antarmuka rendering 3D di browser yang memanggil GPU; Three.js adalah pustaka grafis 3D JavaScript yang dibangun di atasnya. |
1 8 jam, 550 dolar: bagaimana game 3D AI lahir
1.1 Kondisi eksperimen: satu petunjuk, tanpa umpan balik manusia
Tugas yang diberikan Felix Rieseberg kepada model sangat jelas: buat game first-person shooter berskala kecil dengan tampilan visual sedekat mungkin dengan game AAA, dan sepanjang proses tidak memberikan umpan balik manusia lanjutan. Saat merilisnya, ia menekankan bahwa yang ingin ia uji justru sejauh mana model dapat menyelesaikan pekerjaan tanpa campur tangan manusia.
“3A” di sini adalah target eksperimen dan analogi visual. AAA biasanya merujuk pada game komersial berspesifikasi tinggi yang dibuat dengan investasi dana dan tenaga kerja besar; Saltline sendiri diposisikan sebagai prototipe playable berskala kecil dengan hanya satu level misi dan berfokus pada pengalaman single-player.
1.2 Isi game Saltline
Latar Saltline berada di pelabuhan peti kemas pada malam hujan, dengan gudang, dermaga, dan tumpukan peti kemas. Pemain harus menonaktifkan tiga stasiun relai sinyal lalu mengevakuasi diri; dalam perjalanan mereka akan menghadapi drone patroli udara dan hound mekanis darat.
Game ini mendukung pergerakan orang pertama, kontrol sudut pandang, menembak, interaksi, dan tujuan misi, serta dilengkapi hujan, pencahayaan, efek suara lingkungan, dan efek senjata. Cara memainkannya juga ringan: cukup buka browser untuk bermain, mendukung keyboard dan mouse serta layar sentuh, halaman menyediakan pengaturan kualitas grafis, dan saat lag dapat beralih ke kualitas rendah.
1.3 Data yang diungkapkan pengembang
Data berikut seluruhnya berasal dari informasi publik Felix Rieseberg sendiri di X; mirror GitHub juga mencatat bahwa angka-angka ini belum diaudit secara independen oleh pihak ketiga.
| Item | Nilai menurut pengembang |
|---|---|
| Model | Claude Fable 5.2 |
| Waktu pengembangan | Sekitar 8 jam |
| Token masukan | Sekitar 445 juta (banyak menggunakan cache) |
| Token keluaran | Sekitar 2,7 juta |
| Estimasi biaya | Sekitar 550 dolar (diperkirakan berdasarkan harga API) |
| Metode pengembangan | Satu petunjuk, tanpa iterasi umpan balik manusia |
| Ukuran hasil | Versi HTML mandiri sekitar 1,43 MB (1.425.707 byte) |
550 dolar adalah perkiraan biaya satu eksperimen generasi model. Setelah file game dihasilkan, pemain menjalankannya di browser lokal dan tidak akan memicu pemanggilan Claude API lagi, jadi biaya ini tidak bergantung pada jumlah pemain.
2 Apa Saja yang Dikerjakan AI dalam Pengembangan Game 3D Ini
2.1 Semua model dan tekstur adalah kode
Pada 10 November, sang developer menjelaskan lebih lanjut: model, tekstur, dan berbagai konten di dalam game seluruhnya dibangun dari kode dan Shader yang dihasilkan Claude, dan proyek tersebut tidak memiliki aset gambar atau model 3D terpisah. Dengan kata-katanya sendiri, “semuanya adalah kode, tekstur dan model adalah fungsi”.
Inilah yang menjelaskan mengapa Saltline hanya berukuran sekitar 1,43MB. Game tradisional perlu mendistribusikan banyak file model, tekstur, dan efek suara yang sudah jadi; Saltline mendistribusikan aturan matematis yang menghasilkan konten tersebut, lalu browser membaca kode itu dan membangun scene secara real-time saat runtime.
2.2 Enam tahap yang digabungkan dalam satu tugas generasi
Pengembangan game 3D tradisional biasanya dibagi ke berbagai peran seperti desain, pemodelan, material, pemrograman, dan audio. Dalam Saltline, model menangani pekerjaan berikut secara berurutan dalam proyek yang sama:
- Pembangunan scene: menyusun struktur pelabuhan, gudang, kontainer, dan sebagainya secara prosedural menggunakan vertex dan parameter geometri.
- Logika game: target misi, perilaku musuh, penentuan tembakan, dan alur evakuasi.
- Model dan tekstur: menghasilkan permukaan logam, noda, dan variasi warna menggunakan noise dan fungsi matematika.
- Shader: menghitung pencahayaan, material, pantulan malam hujan, dan efek visual lain di GPU.
- Efek suara: suara ambient dan suara senjata juga dihasilkan secara prosedural.
- Interaksi pemain: input keyboard-mouse dan layar sentuh, kontrol sudut pandang, serta pengaturan kualitas grafis.
Tahap-tahap ini dalam alur kerja tradisional memerlukan perpindahan antar-tools dan antar-orang; di Saltline semuanya menjadi modul-modul berbeda dalam satu basis kode yang sama. Kemampuan jendela konteks yang panjang membuat model dapat terus membaca kode dan solusi teknis yang sudah ada, sehingga setiap modul saling terhubung dengan baik.
2.3 Bagaimana browser menjalankan game ini
Saltline memilih jalur rendering lokal di browser, sehingga gambar dihasilkan di perangkat pemain sendiri. Alur jalannya kurang lebih sebagai berikut:
- Browser membaca file HTML dan mulai mengeksekusi JavaScript.
- Lingkungan rendering Three.js dan WebGL diinisialisasi.
- Program menghasilkan geometri scene, material, tekstur, dan suara sesuai kode.
- GPU menangani rendering grafis, sementara pemain mengendalikan karakter melalui input keyboard-mouse atau layar sentuh.
- Logika game terus diperbarui dan browser menyegarkan tampilan.

Ukuran file kecil dan runtime ringan adalah dua hal yang berbeda. Kode 1,43MB dapat menciptakan banyak geometri dan material saat runtime, dan beban memori serta GPU bergantung pada kompleksitas scene. Halaman pengalaman mandiri juga mengingatkan: inisialisasi mungkin lambat, jika tersangkut di layar tunggu sebaiknya periksa WebGL 2 dan akselerasi perangkat keras browser, dan jika terasa lag Anda bisa beralih ke kualitas grafis rendah.
3 Mengapa game 3D AI dengan 445 juta Token hanya menghabiskan $550
3.1 Harga resmi Claude Fable 5.2
Fable 5.2 dirilis pada 9 November 2026, dengan jendela konteks 1M Token dan output maksimum 128K Token. Harga standar resminya adalah sebagai berikut:
| Komponen penagihan | Harga per juta Token | Relatif terhadap input biasa |
|---|---|---|
| Input biasa | $8 | 100% |
| Output | $40 | 500% |
| Penulisan cache 5 menit | $10 | 125% |
| Penulisan cache 1 jam | $16 | 200% |
| Pembacaan cache | $0.20 | 2.5% |
Selain itu, harga input Fast Mode adalah $16 dan harga output $80 (per juta Token); pihak resmi mengklaim kecepatan output dapat meningkat hingga 2,5 kali lipat. Harga pembacaan cache hanya 2,5% dari input biasa — inilah kunci untuk memahami angka $550.
3.2 Biaya teoretis dengan tagihan input biasa
Jika cache sepenuhnya diabaikan dan jumlah Token yang diumumkan pengembang langsung dikalikan dengan harga satuan standar, hasilnya sangat jauh dari $550:
| Dasar perhitungan | Biaya input | Biaya output | Total |
|---|---|---|---|
| Semua ditagih sebagai input biasa | 445 × $8 = $3,560 | 2.7 × $40 = $108 | $3,668 |
| Semua ditagih sebagai pembacaan cache (batas bawah teoretis, belum termasuk penulisan cache) | 445 × $0.20 = $89 | 2.7 × $40 = $108 | $197 |
| Estimasi yang dilaporkan pengembang | — | — | sekitar $550 |
Dua dasar ekstrem ini menghasilkan sebuah rentang: batas atas sekitar $3,668 dan batas bawah sekitar $197. Angka sekitar $550 yang dilaporkan pengembang berada dalam rentang tersebut dan jelas lebih dekat ke batas bawah, yang menunjukkan bahwa sebagian besar input ditagih dengan harga pembacaan cache.
Ada satu detail lagi yang perlu diperhatikan: dengan harga standar, 2,7 juta Token output sekitar $108, yaitu sekitar seperlima dari estimasi $550. Jumlah input lebih dari seratus kali lipat output, tetapi dengan mekanisme cache, biaya output tetap menyumbang porsi yang tidak kecil.

Perbandingan harga satuan pada gambar di atas dapat langsung diterapkan untuk memperkirakan tugas Agent Anda sendiri. Jika ingin lebih dulu memverifikasi dampak cache hit terhadap tagihan menggunakan tugas berskala kecil, Anda dapat memanggil beberapa model seperti Claude dengan kunci API yang sama di APIYI apiyi.com, lalu membandingkan rincian penggunaan untuk mengamati perubahan biaya pada strategi konteks yang berbeda.
3.3 Mengapa caching dapat menurunkan biaya pemrograman jangka panjang secara signifikan
Dalam proses pemrograman AI yang berlangsung lama dan terdiri dari banyak putaran, model harus membaca ulang sejumlah besar konten yang sama pada setiap putaran: latar belakang proyek, struktur file, kode yang sudah ada, standar pengembangan, serta rencana teknis yang telah ditetapkan sebelumnya. Proses generasi selama 8 jam berarti konteks tersebut dikirim ulang berulang kali, dan skala 445 juta Token input justru terakumulasi dari sini.
Prompt Caching menyimpan prefix yang berulang tersebut, lalu saat terjadi cache hit, biaya dihitung berdasarkan pembacaan cache. Total tagihan cache ditentukan oleh tiga bagian berikut:
- Penulisan cache (Cache Write): penulisan pertama lebih mahal daripada input biasa, yaitu 1,25 kali untuk tier 5 menit dan 2 kali untuk tier 1 jam.
- Pembacaan cache (Cache Read): saat terjadi hit berikutnya, biayanya hanya 2,5% dari harga normal.
- Kedaluwarsa cache (TTL): setelah masa berlaku habis, konten perlu ditulis ulang dan biaya penulisan harus dibayar kembali.
Karena itu, pilihan tier TTL, kestabilan struktur konteks, dan jarak waktu antar dua permintaan semuanya memengaruhi biaya akhir. Sering mengubah konten di bagian awal konteks akan membuat cache tidak valid, dan justru menambah biaya penulisan.
3.4 Sejauh mana data publik dapat dihitung ulang
Saat ini materi publik hanya menyediakan total input, total output, dan estimasi harga total, tanpa memberikan rincian tagihan yang lengkap. Data-data kunci berikut semuanya tidak dipublikasikan:
- Jumlah Token untuk input biasa, penulisan cache, dan pembacaan cache masing-masing;
- Pemakaian cache 5 menit dan cache 1 jam masing-masing;
- Apakah ada biaya pemanggilan API lain.
Karena penulisan cache memiliki dua tingkat harga, jumlah variabel yang belum diketahui lebih banyak daripada kondisi yang diketahui, sehingga hanya dengan tiga angka tersebut tidak mungkin menyimpulkan tingkat cache hit yang unik. Kesimpulan yang dapat dipastikan adalah: 550 dolar masih berada dalam rentang teoretis di atas, dan caching memainkan peran utama dalam penurunan biaya pada eksperimen ini.
4 Cara Menghitung Biaya Sebenarnya dari Tugas Pemrograman AI
4.1 Kerangka Biaya Tiga Lapis
Saat membahas “berapa biaya yang dikeluarkan AI untuk membuat sebuah game”, kita perlu memperjelas lapisan biaya mana yang sedang dihitung. Angka 550 dolar AS milik Saltline hanya mencakup lapisan pertama.
| Lapisan Biaya | Cakupan | Apakah Saltline Memperhitungkannya |
|---|---|---|
| Biaya pemanggilan model | Input, output, penulisan dan pembacaan cache, diskon batch, pemanggilan alat | Ya (sekitar 550 dolar AS, estimasi pengembang) |
| Biaya eksekusi pengembangan | Perancangan tugas, debugging dan pengujian, lingkungan eksekusi, repositori kode, sumber daya eksternal, waktu personel | Tidak dipublikasikan |
| Biaya operasional produk | Hosting, lalu lintas CDN, basis data, layanan online, pemeliharaan lanjutan | Tidak dihitung |
Struktur game web lokal membuat biaya AI terkonsentrasi pada tahap pengembangan, sementara rendering ditanggung oleh perangkat pemain. Sebaliknya, cloud gaming dan model dunia real-time AI terus menghasilkan biaya komputasi server setiap kali pemain bermain. Kurva biaya kedua jenis produk ini sepenuhnya berbeda.
4.2 Batch API Cocok untuk Tahapan Apa
API resmi Claude menyediakan Batch API, dan input serta output batch yang memenuhi syarat bisa mendapatkan diskon 50%. Batch API cocok untuk pembuatan kode non-realtime, pemrosesan konten secara batch, dan evaluasi offline. Contohnya, membuat konfigurasi untuk beberapa level sekaligus, atau menjalankan tinjauan kode secara batch.
Pengembangan bergaya Agent seperti Saltline perlu menentukan langkah berikutnya berdasarkan hasil langkah sebelumnya. Alur ini bersifat serial dan sangat interaktif, sehingga sulit menerapkan diskon batch secara langsung. Praktik yang lebih layak dalam proyek nyata adalah memecahnya: loop pengembangan utama mengandalkan cache untuk menekan biaya, sementara subtugas offline yang bisa diparalelkan diserahkan ke Batch API.
4.3 Perkirakan Tagihan Pemrograman AI Anda dengan Kode
Contoh minimal berikut menunjukkan cara melakukan satu panggilan melalui antarmuka yang kompatibel dengan OpenAI, lalu membaca field penggunaan yang dikembalikan, sebagai titik awal pencatatan biaya:
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # Antarmuka terpadu APIYI
)
resp = client.chat.completions.create(
model="YOUR_MODEL_NAME", # Ganti dengan nama model seperti Claude dari daftar model platform
messages=[{"role": "user", "content": "用 Three.js 写一个旋转的立方体"}]
)
print(resp.choices[0].message.content)
print(resp.usage) # Catat prompt_tokens / completion_tokens untuk perhitungan biaya
Lihat implementasi lengkap: estimator biaya dengan perhitungan cache
import openai
from dataclasses import dataclass
# Harga standar resmi Claude Fable 5.2 (USD / juta Token)
PRICE = {
"input": 8.0,
"output": 40.0,
"cache_write_5m": 10.0,
"cache_write_1h": 16.0,
"cache_read": 0.20,
}
@dataclass
class Usage:
input_tokens: float = 0 # Input biasa
cache_write_5m: float = 0 # Penulisan cache 5 menit
cache_write_1h: float = 0 # Penulisan cache 1 jam
cache_read: float = 0 # Pembacaan cache
output_tokens: float = 0 # Output
def estimate_cost(u: Usage) -> float:
"""Jumlahkan tiap item penagihan secara terpisah, unit: dolar AS"""
m = 1_000_000
return (
u.input_tokens / m * PRICE["input"]
+ u.cache_write_5m / m * PRICE["cache_write_5m"]
+ u.cache_write_1h / m * PRICE["cache_write_1h"]
+ u.cache_read / m * PRICE["cache_read"]
+ u.output_tokens / m * PRICE["output"]
)
# Mereproduksi dua batas teoretis dalam artikel (total Token yang dilaporkan pengembang)
upper = estimate_cost(Usage(input_tokens=445e6, output_tokens=2.7e6))
lower = estimate_cost(Usage(cache_read=445e6, output_tokens=2.7e6))
print(f"全部普通输入:${upper:,.0f}") # sekitar $3,668
print(f"全部缓存读取:${lower:,.0f}") # sekitar $197
# Akumulasikan penggunaan nyata di proyek Anda sendiri
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
def run_step(messages, model="YOUR_MODEL_NAME"):
resp = client.chat.completions.create(model=model, messages=messages)
usage = resp.usage
print("prompt:", usage.prompt_tokens, "completion:", usage.completion_tokens)
return resp.choices[0].message.content
Estimator menjumlahkan lima item penagihan secara terpisah, sehingga bisa langsung dimasukkan dengan rincian penggunaan proyek Anda. Cara setiap platform mengembalikan field cache bisa berbeda. Saat integrasi, ikuti struktur usage pada respons aktual.
🚀 Saran cepat untuk memulai: Sebelum menaruh tugas Agent jangka panjang ke pengembangan resmi, sebaiknya klaim dulu kuota uji gratis pengguna baru melalui APIYI apiyi.com. Jalankan siklus tertutup “hasilkan—jalankan—perbaiki” dengan scene Three.js kecil, sekaligus catat penggunaan Token setiap putaran, lalu perkirakan anggaran proyek secara penuh dengan estimator di atas.
5 Di mana batas AI dalam mengembangkan game 3D secara mandiri?
5.1 Prototipe yang bisa dimainkan vs game komersial yang matang
Saltline membuktikan bahwa model dapat menghasilkan game kecil yang lengkap dan bisa dimainkan tanpa campur tangan manusia: ada scene, musuh, misi, serta presentasi audio-visual. Game komersial yang matang masih membutuhkan banyak konten level, penyesuaian keseimbangan jangka panjang, adaptasi multi-platform, lokalisasi, anti-cheat, dan pengujian pengguna berskala besar, yang semuanya tidak tercakup dalam eksperimen tunggal ini.
Di platform media sosial Tiongkok, “几猫 · game 3A buatan dalam negeri” yang beredar sebenarnya adalah versi bahasa Mandarin dari Saltline atau versi hasil pengemasan ulang. “Game 3A buatan dalam negeri” hanyalah nama yang dipakai saat menyebarkan konten; atribusi pengembangannya tetap pada eksperimen Fable 5.2 ini.
5.2 Pembuatan sekali jalan vs pemeliharaan berkelanjutan
Pembuatan sekali jalan menjawab persoalan “dari nol ke satu”. Iterasi versi setelah game dirilis, perbaikan bug, dan penambahan konten menuntut model atau developer untuk berulang kali mengubah kode yang sudah ada. Skala konteks untuk pemeliharaan jangka panjang akan terus bertambah, dan strategi cache serta cara pengorganisasian kode akan makin terasa pengaruhnya terhadap biaya selanjutnya.
5.3 Fitur yang selesai vs optimasi performa
Fitur yang berfungsi dan berjalan lancar adalah dua tujuan rekayasa yang independen. Halaman pengalaman Saltline menyediakan opsi kualitas grafis rendah dan memberi petunjuk untuk memeriksa WebGL 2 serta akselerasi perangkat keras, yang justru menunjukkan bahwa performa masih dibatasi oleh perangkat pemain dan kemampuan browser. Dokumentasi resmi Unity juga menyebutkan bahwa platform Web memiliki keterbatasan pada sistem berkas, thread, memori, dan dukungan perangkat seluler; optimasi performa browser untuk game kompleks tetap sulit.
5.4 Melihat Saltline sebagai eksperimen yang representatif
Nilai Saltline terletak pada satu titik referensi yang jelas: dengan model konteks panjang yang cukup mumpuni, penggunaan cache yang wajar, dan satu tujuan tunggal yang jelas, biaya pemanggilan model untuk membuat prototipe 3D browser sekali jalan berada di kisaran ratusan dolar. Angka 8 jam dan 550 dolar berasal dari penuturan developer sendiri tentang satu eksperimen; hasil developer lain akan berbeda-beda tergantung desain petunjuk, kompleksitas tugas, strategi cache, dan versi model.
Platform pihak ketiga AI8Games mengumpulkan sejumlah game browser yang dibuat dengan partisipasi model seperti Claude Fable 5.2; saat ditelusuri, tampil 62 game yang bisa dimainkan dan 27 karya berupa video pameran. Ini adalah data yang dirangkum pihak ketiga, yang bisa mencerminkan bahwa eksperimen semacam ini kian banyak, tetapi bukan statistik resmi.
💡 Saran pemilihan: Model yang berbeda sangat berbeda dalam pembuatan kode jangka panjang, harga cache, dan harga satuan output. Total tagihan untuk tugas prototipe game yang sama di model berbeda bisa berbeda beberapa kali lipat. Sebaiknya di APIYI apiyi.com bandingkan kualitas output dan konsumsi Token beberapa model populer dengan petunjuk yang sama, lalu tentukan model mana yang akan dipakai untuk pengembangan resmi.
6 Pertanyaan Umum tentang Eksperimen Game 3D AI
Q1: Apakah 550 dolar untuk Saltline merupakan tagihan yang benar-benar dibayar?
Ini adalah perkiraan yang dibuat Felix Rieseberg berdasarkan harga API, tanpa audit pihak ketiga. Informasi publik juga tidak memuat penggunaan masing-masing untuk input biasa, penulisan cache, dan pembacaan cache, sehingga struktur tagihan tidak dapat direkonstruksi secara akurat.
Q2: Mengapa 445 juta Token input hanya memakan biaya sesedikit itu?
Pemrograman jangka panjang akan berulang kali mengirimkan konteks proyek yang sama; bagian ini setelah mengenai cache ditagih sebesar $0,20/juta Token, hanya 2,5% dari input biasa yang $8. Jika semuanya dihitung sebagai input biasa, biayanya sekitar 3668 dolar, sementara pengembang memperkirakan sekitar 550 dolar, dan selisihnya terutama berasal dari cache.
Q3: Apakah setiap kali pemain bermain akan menimbulkan biaya panggilan AI?
Tidak. Setelah dihasilkan, Saltline adalah file HTML berukuran sekitar 1,43MB; game berjalan secara lokal di browser pemain dan dirender oleh GPU perangkat pemain, sehingga proses menjalankannya tidak memanggil API model. Biaya 550 dolar merupakan biaya satu kali pada tahap pengembangan.
Q4: Bagaimana cara menggunakan kembali pendekatan pembuatan kode jangka panjang semacam ini di proyek saya sendiri?
Intinya adalah membiarkan model terus bekerja pada struktur konteks yang stabil: letakkan spesifikasi, rencana teknis, dan struktur file di bagian depan petunjuk yang tetap agar mudah mengenai cache; catat penggunaan usage setiap putaran untuk memperkirakan anggaran. Anda bisa mencoba dulu di APIYI apiyi.com dengan kuota gratis untuk menjalankan skenario kecil, memastikan statistik cache dan penggunaan sesuai ekspektasi sebelum memperbesar skala tugas.
Q5: Apakah pengembang dapat mereproduksi game serupa dengan anggaran yang sama?
Hasilnya akan bervariasi tergantung pada petunjuk, kompleksitas target, strategi cache, dan pemilihan model. Saltline adalah eksperimen tunggal yang berhasil dan cocok dijadikan referensi orde besaran. Anggaran aktual sebaiknya dihitung dari penggunaan nyata pada percobaan skala kecil; melalui antarmuka terpadu APIYI apiyi.com, Anda dapat mengganti model yang berbeda dalam kode yang sama sehingga memudahkan perbandingan biaya secara horizontal.
Q6: Apa perbedaan antara Saltline dan game hasil AI seperti Genie 3?
Saltline adalah AI yang menulis kode dan browser yang menjalankan kode tersebut; aturan game sudah ditulis sebelumnya, dan gambar dirender oleh GPU lokal. Model dunia seperti Genie 3, Muse, Oasis, dan lainnya justru memprediksi frame berikutnya secara real-time berdasarkan status saat ini dan input pemain, sehingga memerlukan inferensi berkelanjutan dan setiap kali bermain akan menimbulkan biaya komputasi. Struktur biaya dan batasan teknis kedua jalur ini sepenuhnya berbeda.
7 Ringkasan: bagaimana membaca angka 550 dolar AS dan 8 jam ini
Eksperimen Saltline menunjukkan tiga hal:
- AI mampu menggabungkan beberapa tahap pengembangan game ke dalam satu kali pembuatan kode: scene, logika, model, tekstur, Shader, efek suara, dan interaksi semuanya diserahkan dalam bentuk kode, dan hasil akhirnya adalah game browser satu file berukuran sekitar 1,43MB.
- Caching menentukan kelayakan ekonomi pemrograman AI jarak panjang: 445 juta Token input dengan harga normal membutuhkan sekitar 3668 dolar AS, sementara estimasi yang disampaikan sendiri oleh pengembang sekitar 550 dolar AS, dan harga satuan pembacaan cache sebesar 2,5% adalah variabel kuncinya.
- 550 dolar AS hanyalah biaya pemanggilan model: eksekusi pengembangan, operasional produk, dan pemeliharaan lanjutan berada di luar angka ini. Saltline adalah eksperimen prototipe yang dapat dimainkan dan bersifat representatif.
Jika Anda berencana membiarkan Agent menangani tugas pengembangan jarak panjang yang serupa, persiapan paling efektif adalah membangun kebiasaan penghitungan biaya sejak awal: catat penggunaan input, cache, dan output secara terpisah, lalu hitung anggaran berdasarkan data nyata. Disarankan untuk memverifikasi hasilnya dengan cepat melalui APIYI apiyi.com; platform ini menyediakan antarmuka yang kompatibel dengan OpenAI, pemanggilan terpadu berbagai model, dan kuota uji coba gratis bagi pengguna baru.
Referensi
- Halaman pengalaman mandiri Saltline: penjelasan uji coba game dan pertanyaan umum
- Tautan:
saltline.games -
Keterangan: berisi informasi pengalaman seperti inisialisasi, pengaturan kualitas grafis, dan cara pengoperasian; versi bahasa Mandarin tersedia di
saltline.games/zh -
Postingan rilis asli Felix Rieseberg: sumber data waktu pengembangan, Token, dan biaya
- Tautan:
x.com/felixrieseberg/status/2119925633564463609 -
Keterangan: data langsung dari pengembang sendiri
-
Mirror kode Saltline dan README: data file dan penjelasan atribusi data
- Tautan:
github.com/realcodebear/saltline-fable-5.2 -
Keterangan: menyatakan bahwa angka-angka terkait belum diaudit secara independen oleh pihak ketiga
-
Repositori GitHub versi bahasa Mandarin Jimao: arsip versi yang beredar di dalam negeri
- Tautan:
github.com/Megasu/jimao-3a-game -
Keterangan: menyediakan ukuran file index.html dan penjelasan menjalankan secara offline
-
Spesifikasi dan harga model Claude Fable 5.2: dokumentasi resmi Anthropic
- Tautan:
platform.claude.com/docs/en/models/fable-5-2/overview -
Keterangan: harga satuan resmi untuk input, output, penulisan cache, dan pembacaan cache
-
Dokumentasi resmi Three.js: pustaka grafis 3D untuk browser
- Tautan:
threejs.org/docs -
Keterangan: bahan dasar untuk memahami cara Saltline membangun scene
-
Ikhtisar teknis Unity WebGL: penjelasan batasan platform Web
- Tautan:
docs.unity.cn/6000.0/Documentation/Manual/webgl-technical-overview.html - Keterangan: batasan game browser dalam hal thread, memori, dan perangkat seluler
Penulis: Tim Teknis APIYI
Komunikasi teknis: Silakan hubungi kami di halaman utama situs APIYI apiyi.com; materi integrasi lainnya dapat diakses di pusat dokumentasi docs.apiyi.com
