El 10 de noviembre les di el mismo prompt largo a dos agentes de IA. Pedía un juego de conducción que corriera en el navegador, en una autopista de noche bajo la lluvia, hecho con three.js, con tráfico, física de choques y dos escenas preparadas. Como parte del juego, cada uno modeló también su propio coche desde cero en Blender con Python. Nada de modelos ya hechos.
Uno de los agentes era Gemini 4 Carbon y el otro, Claude Fable 5.2. Gemini necesitó unas 2 h 8 min para todo; Fable, unas 16 h 36 min. No escribí ni una línea de código para ninguno. Los dos recibieron el mismo prompt, uno solo.
Lo que les costó
| Gemini 4 Carbon | Claude Fable 5.2 | |
|---|---|---|
| Tiempo de trabajo | ~2 h 8 min | ~16 h 36 min |
| Costo de API (estimado) | ~$10 | ~$300+ |
| Código del juego | 20 archivos, 7.705 líneas | 119 archivos, 35.831 líneas |
| Coche del jugador | 89.900 triángulos, 2,48 MB | 129.824 triángulos, 1,95 MB |
| Lo que le di | Un solo prompt: el juego y su coche | El mismo prompt |
| Código que escribí yo | Ninguno | Ninguno |
| Herramienta | Antigravity CLI | Claude Code, un agente principal con subagentes de Opus 5.5 |
| Ajuste de esfuerzo | High | xhigh |
En esta configuración Fable no trabaja solo. Planifica el trabajo y reparte partes a subagentes que corren en Opus 5.5, así que cuando digo “Fable” me refiero a todo ese equipo, y la factura también es del equipo.
Ninguno de los dos costos es exacto. Google todavía no ha publicado un precio para Gemini 4 Carbon, así que usé el que citan sitios de terceros: $2 por millón de tokens de entrada y $10 por millón de salida. El registro de Fable muestra $236, pero dos rondas interrumpidas nunca llegaron al registro, así que calculo que la cifra real pasa un poco de $300.
Cómo lo encararon
Gemini pasó de una carpeta vacía a un juego jugable sin preguntarme nada. El juego es pequeño, 20 archivos fuente, y casi todo el pulido se fue a la carretera mojada y a las dos escenas preparadas, que era lo que más le importaba al prompt. Su coche salió de un solo script de Blender.
Fable se tomó el prompt como un proyecto. Primero escribió cómo debían hablar los módulos entre sí, luego mandó subagentes en oleadas para hacer el render, la física, el tráfico, el clima, el audio y la interfaz, y después se puso a buscar errores. También escribió un script que juega la partida entera por su cuenta. Lo mejor que encontró fue un error de choques que solo aparecía a veces: un coche del tráfico que chocaba contra los restos de otro entraba al mundo físico con su posición como velocidad y salía volando un kilómetro carretera abajo.
El mismo momento, en los dos juegos
Van del menú a la pantalla de fin de partida, con las dos escenas preparadas en medio. Cada una es un control deslizante.
Cada agente sacó estas capturas mientras probaba su juego, así que los momentos coinciden pero los fotogramas no.
Fotogramas por segundo
Los medí en las primeras versiones, antes de los coches propios, y no he vuelto a medir. El mismo PC para los dos (Ryzen 7 5700X, RTX 4060 Ti, 1920×1080, vsync desactivado, Chrome). Ejecuté cada juego dos veces, uno detrás del otro. Fable usó su propia prueba de rendimiento, una ruta de cámara fija por la ciudad. Gemini usó su propio script de pruebas, que mide los FPS mientras conduce, y su cifra de ULTRA sale de la escena “ULTRA + Nitro”.
Fotogramas por segundo en cada ajuste de calidad
Primeras versiones, antes de los coches propios. El valor más bajo y el más alto de dos pasadas. Más alto es mejor.
- Gemini 4 Carbon
- Claude Fable 5.2
Ver como tabla
| Ajuste | Gemini (fps) | Fable (fps) |
|---|---|---|
| LOW | 204–257 | 285–410 |
| MEDIUM | 108–126 | 170–250 |
| HIGH | 118–147 | 121–206 |
| ULTRA | 141–149 | 187–192 |
Los dos juegos se mantuvieron por encima de 100 fps en todos los ajustes. Eso sí, los ajustes no salen en orden. Gemini es más lento en MEDIUM, y en los dos juegos la peor medición de ULTRA es mejor que la peor de HIGH. Creo que eso dice más de mi forma de medir que de los juegos. Cada juego se midió con su propia herramienta en su propio tramo de carretera, y el PC no estaba del todo en reposo. Tómalos como rangos aproximados.
Mi opinión
Gemini 4 Carbon es mucho más barato y lo que hizo no está nada mal. Pero sigue habiendo una diferencia clara con Fable. Con su precio actual, no usaría Fable solo para un proyecto entero. Lo usaría como el modelo principal que toma las decisiones y dejaría la programación a Opus o Sonnet. Montado así, puede ser realmente eficiente. Ahora mismo parece que los modelos de Anthropic no tienen un rival real.
Antes de sacar conclusiones
- Esto no es un benchmark. Cada modelo tuvo un solo intento, y un segundo intento podría salir distinto.
- Las configuraciones son distintas. Gemini fue un solo agente en su CLI. Fable fue un agente principal con ayudantes de Opus 5.5.
- Los dos costos son estimaciones, por lo que conté arriba.
- Más código no significa un juego mejor. Las líneas de código están solo para dar una idea del tamaño.
Para jugar
Los dos juegos se compilan desde su propio repositorio, en los commits de abajo, y se sirven desde este sitio sin cambios.
Necesitas un navegador de escritorio con WebGL2 y un teclado. Solo lo probé en Chrome. No hay controles táctiles.
Créditos
Los dos coches del jugador y todo el tráfico los hicieron los propios modelos. Las texturas son CC0: de Poly Haven en los dos juegos y también de ambientCG en el de Fable. El juego de Fable incluye las fuentes Saira e Inter con licencia SIL Open Font License. Puedes ver la lista completa de recursos de Gemini y de Fable.
Notas. El trabajo se pausaba cada vez que se acababa el límite de uso; los tiempos de arriba solo cuentan el tiempo en que los agentes estaban trabajando.