TLDR;

O autor escreveu uma especificação, deixou o gerador codificar sem olhar o código durante o desenvolvimento e só avaliou o comportamento do usuário antes de fazer a revisão do código. O experimento rodou Codex 5.4/5.5 em modo "extra high" e "fast". O resultado mostrou que o AI pode implementar funcionalidades que funcionam, mas costuma criar arquitetura pobre — arquivos monolíticos, responsabilidades misturadas e soluções que empurram a base de código na direção errada, exigindo intervenção humana para manter e melhorar.

Resumo

Um desenvolvedor descreve um experimento prático para avaliar o que modelos de código fazem na prática: ele escreveu uma especificação, passou para um modelo (CodeX 5.4/5.5) e proibiu-se de olhar o código durante o desenvolvimento, julgando apenas pelo comportamento do usuário; só depois fez revisão do código. O resultado mostrou que a IA não gera código quebrado, mas tende a empurrar a base para a direção errada, adotando sempre o caminho de menor resistência — acrescentando blocos onde o estado já existe em vez de modularizar. No projeto cliente/servidor o modelo criou arquivos gigantescos (runtime cliente ~5.000 linhas, servidor ~3.600) com uma função de update única que mistura temporização, rede, combate, predição, captura de replay, entrada e UI, tornando responsabilidade, manutenção e navegabilidade ruins. A crítica principal é arquitetural: falta organização e separação de responsabilidades — o correto seria um orquestrador chamando módulos específicos. O autor conclui que gerar código e entendê-lo são habilidades diferentes e promove aprendizado prático (Boot.dev) para ensinar onde e como colocar o código, não só como fazê-lo funcionar. Ele também admite que o experimento é anedótico, não científico, e reconhece limitações, mas acredita que as conclusões valem para usuários sem supervisão técnica intensa e generalização.