开发者 momo5502 发布了一篇题为《500B AI 词典：Token">Tokens Later: Letting AI Agents Decompile a First-Person Shooter》的文章，记录了一次让 AI 智能体对第一人称射击游戏进行反编译的尝试。文章已公开，热点信息中未附摘要，具体方法、所用模型与最终结果需以原文为准。
从标题可以读出两个关键信息：
- 任务目标是反编译——即把已编译的游戏程序还原为人类可读的源代码；
- 消耗了 500B（约 5000 亿）级别的 token——这个量级本身，就说明用智能体处理此类任务所需的模型调用规模。
反编译属于典型的"长程、重上下文"工程任务。模型需要在大量函数与模块之间反复推理，理解程序结构与控制流，再逐步重建出语义等价、可读的代码。这与写一个独立函数或补全一段脚本完全不同：它要求智能体在跨文件层面保持一致性，在多次失败后自我纠错，并在反汇编器、调试器等工具链之间反复切换。
对 AI 从业者而言，这类实验的价值在于把智能体能力推到一个可衡量的边界上。一方面，它检验当前模型在逆向工程这类硬任务上的真实水平；另一方面，500B tokens 这个数字也直观暴露了 token 消耗与成本之间的现实张力——它既是对模型能力的压力测试，也是对"智能体能否承接真实大型代码库任务"这一问题的成本侧回答。