Simon Willison testował zdolności generatywne Codex Desktop z GPT-5.6 Sol Ultra, porównując je z poprzednio testowaną wersją Claude Fable 5. Oba modele dostały identyczny prompt - opis gry o drużynie szopów-złodziei powstały z GPT-3 sprzed czterech lat. Wersja z Sol Ultra okazała się zdecydowanie lepsza, tworząc grę Moonlight & Mayhem z bardziej złożoną narracją heistową.
Oryginalny opis z GPT-3 mówił o drużynie szopów wykonujących seria grabieży od banków po kradież dzieł sztuki. Claude Fable 5 przełożył to na prostą grę, gdzie pojedynczy szop biegał po podwórku zbierając monety i ryby. GPT-5.6 Sol Ultra poszedł znacznie dalej - umieścił grę w muzeum, gdzie gracz musi uratować dwóch pozostałych członków drużyny, ustawić je na sobie i ukradć złotą sardinę z witryny. To było znacznie bardziej zbliżone do premisy heisty.
Ale była haczyk - podczas generowania pojawiła się usterka, gdzie każdy szop miał ogromne oko wielkości olbrzymiej kuli unoszące się nad głową. Codex mimo przejrzenia zrzutów ekranu podczas tworzenia nie zauważył i nie naprawił błędu. Projekt znajduje się na GitHubie razem z teksturami i promptami wygenerowanymi przez gpt-image-2, dostarczając pełnego wglądu w zdolności sub-agentów do współpracy.