Show HN: FLE v0.3 – Claude Code가 Factorio를 플레이합니다

Factorio Learning Environment(FLE) v0.3.0을 출시하게 되어 기쁩니다. FLE는 장기 계획, 공간 추론, 자동화 작업에서 AI 에이전트를 평가하기 위한 오픈소스 환경입니다. == FLE란? == FLE는 게임 Factorio를 사용하여 AI가 복잡하고 개방형 엔지니어링 과제를 처리할 수 있는지 테스트합니다. 에이전트는 Python 코드를 작성하여 자동화된 공장을 건설하며, 단순한 자원 추출(~30 units/min)에서 정교한 생산 체인(수백만 units/sec)까지 발전합니다. == 0.3.0의 새로운 기능 == - Headless 스케일링: 더 이상 게임 클라이언트가 필요하지 않아 대규모 병렬화가 가능해졌습니다! - OpenAI Gym 호환성: RL 연구를 위한 표준 인터페이스 - Claude Code 통합: Claude가 Factorio를 플레이하는 모습을 [Twitch에서]( http://twitch.tv/playsfactorio ) 라이브스트리밍하고 있습니다 - 개선된 툴링 및 SDK: 평가를 실행하는 1줄 CLI 명령(W&B 로깅 포함) == 주요 발견 == 점점 복잡해지는 24개의 생산 자동화 작업에서 최전선 모델들(Claude Opus 4.1, GPT-5, Gemini 2.5 Pro, Grok 4)을 평가했습니다. 최고의 모델들조차 어려움을 겪습니다: - 대부분의 모델은 여전히 진정한 자동화보다는 준수동 전략에 의존합니다 - 에이전트는 헬퍼 함수나 추상화를 거의 정의하지 않아 확장 능력이 제한됩니다 - 오류 복구가 여전히 어렵습니다 – 에이전트는 종종 반복적인 실패 루프에 빠집니다 FLE에서 모델 간의 성능 격차는 전통적인 코딩/추론 평가보다 실제 과제 벤치마크(예: GDPVal)와 더 밀접하게 상관됩니다. == 왜 중요한가 == 빠르게 포화되는 시험 기반 벤치마크와 달리, Factorio의 지수적 복잡성 스케일링은 사실상 성능 상한이 없음을 의미합니다. 필요한 기술 – 시스템 디버깅, 제약 조건 충족, 물류 최적화 – 은 실제 과제에 직접 전이됩니다. == 직접 사용해 보기 == >>> uv add factorio-learning-environment >>> uv add "factorio-learning-environment[eval]" >>> fle cluster start >>> fle eval --config configs/gym_run_config.json 에이전트 역량의 경계를 확장하는 데 관심 있는 연구자, 엔지니어, 모더를 찾고 있습니다. 기여하고 싶으시다면 Discord에 참여해 주세요. 여러분을 만나고 여러분이 무엇을 만들 수 있는지 보게 되기를 기대합니다! -- FLE 팀