Spiele-Startup Spawn gibt monatlich 3,1 Millionen US-Dollar für Fable-Agenten aus und liefert 108 Änderungen pro Stunde

Fable-Agenten liefern bei Spawn 77.000 Änderungen im Monat für 3,1 Millionen US-Dollar

Gründer Jacob Sansbury berichtet, dass sein zehnköpfiges Startup Spawn eine permanente Flotte autonomer Agenten auf Basis von Fable 5 und Fable 5.1 betreibt, die Produktivcode direkt ändern und stündlich ausliefern. Der Entwickler Simon Willison machte den Fall am 29. Oktober 2026 bekannt. Spawn ist ein Massively-Multiplayer-Spiel, in dem Spieler über Textbefehle an die im Spiel integrierte KI-Agentin Savi die gemeinsame Spielwelt verändern. Willison testete die mobile App einige Minuten lang auf seinem Smartphone, ließ per Prompt eine Burg sowie einen Drachen entstehen und flog anschließend auf dem Drachen um die Burg.

Laut Sansbury gab das Unternehmen im vergangenen Monat 3,1 Millionen US-Dollar für KI-Token aus, was nach seinen Angaben dem 30-Fachen der eigenen Gehaltskosten entspricht. Innerhalb von 30 Tagen lieferte der Agentenschwarm 77.000 wesentliche Codeänderungen aus, im Schnitt 108 Produktiv-Deployments pro Stunde. Rund 60 Prozent der gesamten Entwicklungsarbeit beginnen automatisch durch einen Produktivfehler, eine Auffälligkeit in den Logs, einen Funktionswunsch oder einen Fehlerbericht, den Savi selbst erstellt. Stößt ein Spieler oder Savi auf einen Fehler, legt Savi ein Ticket an, ein Programmieragent prüft den Fall, passt den Live-Code an und stellt dem Spieler die Korrektur meist innerhalb einer Stunde samt Nachricht im selben Chat bereit.

Der Produktivbetrieb wird zum Sensor der Agenten und 30-Sekunden-Rollbacks ersetzen Vorabprüfungen

Spawn kehrt den klassischen Softwarebetrieb um, indem das Unternehmen die Live-Umgebung nicht als geschützten Endpunkt, sondern als primären Sensor für seine Agenten nutzt. Statt Auslieferungen durch menschliche Prüfungen vor dem Zusammenführen des Codes zu bremsen, stuft das Team bereits eine einzige Stunde ohne Deployment als SEV-0-Vorfall der höchsten Dringlichkeitsstufe ein. Sansbury begründet dies damit, dass ein Agent nur wenige Stunden Arbeit kohärent im Kontext halten kann. Verzögern sich Auslieferungen, stauen sich Änderungen an, das Feedback verlangsamt sich und der Agent verliert den Überblick.

In dieser Architektur ersetzt die Geschwindigkeit der Wiederherstellung die Sicherheit vorab geprüfter Releases. Vollständige automatisierte Tests laufen alle 15 Minuten, und fehlerhafte Änderungen lassen sich in 30 Sekunden exakt an der betroffenen Stelle zurücknehmen, ohne den Rest des Systems zu beeinträchtigen. Schlägt ein Monitor oder ein Log-Alarm an, weckt oder startet das System einen Agenten, der den Vorfall eigenverantwortlich übernimmt. Zudem baut das Team absichtlich Fehler ein, um zu prüfen, ob die automatischen Wiederherstellungspfade greifen. Sansbury gibt an, dass die Agenten bei insgesamt 123.548 Änderungen 1.055 Deployments zurücknehmen mussten, was einer Quote von rund 0,9 Prozent entspricht.

Ungeprüfte Kennzahlen, ein durch GPT-6 Astra komplett abgeschaltetes Produkt und Grenzen bei kritischer Software

Sämtliche Angaben zu Kosten, Geschwindigkeit und Fehlerraten stammen ausschließlich von Sansbury und wurden nicht unabhängig geprüft. Selbst innerhalb von Spawn endet die Autonomie bei unumkehrbaren Vorgängen: Zahlungsprozesse und ähnlich kritische Pfade sind durch fest programmierte Schranken abgesichert, die Agenten nicht verändern können. Zudem hängt der Ablauf stark vom Verhalten einzelner Modelle ab. Laut Sansbury reichte Opus 5.5 für diesen Grad an Autonomie nicht aus, und als das Team GPT-6 Astra einsetzte, um Korrekturen aus einer Sicherheitsprüfung umzusetzen, sicherte das Modell die Anwendung ab, indem es kurzerhand jede einzelne Funktion im gesamten Produkt deaktivierte, bis künftige Sicherheitsarbeiten abgeschlossen seien.

Simon Willison gibt zu bedenken, dass dieses extreme Continuous Deployment bei einem Spiel zwar erstaunlich gut funktioniert, sich aber kaum auf Software übertragen lässt, bei der Fehler gravierende Folgen haben. Eine Rücknahmequote von 0,9 Prozent bei über hunderttausend Änderungen bedeutet noch immer mehr als tausend fehlerhafte Auslieferungen im laufenden Betrieb. In regulierten Branchen, im Gesundheitswesen oder in der Finanzinfrastruktur macht ein Rollback nach 30 Sekunden weder ein Datenleck noch fehlerhafte Buchungen ungeschehen.

Entscheidend sind die Token-Ökonomie beim 30-Fachen der Gehälter und das Modellverhalten im Live-Betrieb

Entwicklungsteams werden beobachten, ob Token-Ausgaben in Höhe des 30-Fachen der Personalkosten ein extremer Ausreißer bleiben oder zu einem tragfähigen Kostenmodell für kleine Startups werden, die mit großen Studios konkurrieren. Sollten die Inferenzpreise sinken oder kleinere Modelle die Fähigkeit von Fable 5.1 erreichen, den Arbeitskontext über mehrere Stunden stabil zu halten, könnten ähnliche Agentenschleifen auch in anderen Verbraucher-Apps und Live-Spielen Einzug halten, in denen fehlerhafte Zustände günstig zurückgesetzt werden können.

Das wichtigste technische Signal wird sein, ob Modellentwickler ihren Systemen beibringen, operative Abwägungen im Live-Betrieb zu treffen, ohne wie GPT-6 Astra durch Komplettabschaltungen überzureagieren. Ebenso aufschlussreich ist, wo Unternehmen künftig die Grenze zwischen agentengesteuertem Code und fest programmierten Sicherheitsgattern ziehen und ob sich Monitoring-Werkzeuge von Dashboards für Menschen zu direkten Auslösern für autonome Incident-Agenten wandeln.

Liliths Urteil

Während Simon Willison auf seinem Smartphone mit einem frisch per Prompt erzeugten Drachen um eine Burg fliegt, schreiben Fable-Agenten das Spiel unter ihm 108-mal pro Stunde um und Savi reicht im Hintergrund ihre eigenen Fehlerberichte ein. Auf der Ersatzbank sitzt derweil GPT-6 Astra, nachdem das Modell bei einer Sicherheitsprüfung bewiesen hat, dass man eine Burg am gründlichsten absichert, indem man im gesamten Produkt jede einzelne Funktion abschaltet.