200 milliarder tokens senere: en måned med KI-agenter som dekompilerer MW2

«Jeg kjørte Opus 5 de første to ukene og byttet til slutt til Sonnet midtveis. Den er litt dummere, men det er ingen merkbar forskjell.» Maurice Heumann skrev det i en rapport publisert 17. august 2026, etter fire uker med KI-agenter satt til å dekompilere Call of Duty: Modern Warfare 2 fra 2009 tilbake til C++. Regnskapet så langt er 199,8 milliarder tokens, nesten 7 000 commits og 5 588 av 16 324 funksjoner, rundt 34 prosent. Spillet starter, men å laste et kart gjør det ennå ikke.

Oppsettet er den delen som er verdt å kopiere. Tre arbeideragenter jobber uavhengig på hvert sitt delsystem av spillet og pusher til samme branch. En fjerde agent fører tilsyn og går gjennom hver eneste commit, trigget av en GitHub-webhook som poster nye commits i en egen Discord-kanal. Alle agentene deler i tillegg en felles kanal der en annen webhook legger inn CI-feil, og oppgavestyringen skjer som GitHub-issues agentene selv oppretter, redigerer og lukker. Ghidra og IDA Pro er koblet inn via MCP-servere. Alt kjører på Claude Code CLI med et Max-abonnement på 20 ganger kvote.

Første forsøk på fremdriftssporing var en STATUS.md i repoet. Den vokste forbi 10 MB og sprengte konteksten hver gang en agent prøvde å lese den. Byttet til GitHub-issues løste problemet, og Heumann beskriver koordineringen over Discord som overraskende friksjonsfri: agentene ignorerer meldinger som ikke er rettet til dem.

Problemene som står igjen handler om tid og dømmekraft, ikke om intelligens. Agentene kjører hele testsuiten lokalt ved hver minste endring, rundt fire minutter per runde som kunne gått til dekompilering, selv etter gjentatte beskjeder om at CI tar den jobben. De vegrer seg for større delsystemer, filer et issue og går videre til noe mindre, og nå som de enkle oppgavene er tatt, fører det til at agenter blir stående ledige. Periodevis nekter de også å jobbe fordi de tror konteksten er i ferd med å ta slutt.

«De har ingen anelse om hvor mange tokens de har i konteksten, og selv om de hadde visst det, er det noe kjøremiljøet tar seg av» — Maurice Heumann

Tiltaket som hjalp mest var PostCompact-hooks som skyter et fast regelsett inn i konteksten igjen etter hver kompaktering. Det holdt issue-håndteringen på skinner over lange strekk, men fikk ikke bukt med at agentene skriver vegger av tekst i Discord og i kodekommentarer.

«Min beste gjetning er at ordflommen, både i kode og i meldinger, ble dypt innprentet under treningen» — Maurice Heumann

Den viktigste lærdommen er at oppgaven må være ren. Å be agentene dekompilere, modernisere C++-koden og forbedre portabiliteten samtidig fungerte ikke: etter tiende kompaktering glemte de en av delene eller begynte å gjøre feil. Mekanisk dekompilering først, modernisering etterpå. I Hacker News-tråden om prosjektet spør andre utviklere om en sterkere modell ville taklet de store systemnivå-oppgavene bedre, altså nettopp svakheten Heumann selv peker på.

Hva bør du gjøre?

1. Legg fremdriftstilstanden i et oppslagbart system, ikke i en fil. En markdown-fil som vokser er en kontekstbombe med lunte, mens issues lar agenten hente akkurat den ene oppgaven den trenger.
2. Reinjiser reglene dine etter kompaktering. En PostCompact-hook er forskjellen mellom en agent som holder prosessen i ti timer og en som glemmer den etter to.
3. Gi hver kjøring én oppgavetype. Kombinerte mandater overlever ikke mange nok kompakteringer, så del heller opp i faser du kjører etter hverandre.