GPT-6 Astra 18小时通关宝可梦

时间：2026年9月17日 地点：线上（Vals AI / GPT Plays Pokemon 项目） 人物：OpenAI GPT-6 Astra、GPT-5.6 Sol、GPT-5.5、Vals AI 测试团队、Clad3815（社区项目运营者）、ARC Prize 事件详情：OpenAI 新一代旗舰模型 GPT-6 Astra 在多个游戏基准上刷新纪录：通关《宝可梦 火红》仅用 18 小时 12 分钟，是上一代 GPT-5.6 Sol（96 小时 35 分）的五倍以上；GPT-5.5 跑 218 小时仍未通关。在《Factorio: Space Age》自定义 Lua 模组环境下，Astra 约 2 小时产出蓝色科技包，10 小时发射首枚火箭，GPT-5.6 Luna 和 Fable 5.1 都未跨过供电与石油勘探阶段。Astra 还完成了《Portal》（全流程）、《Fallout 2》（22 小时）、《Fallout 3》主线（约 59 小时）和《RimWorld》殖民地剧情。社区测试者 Clad3815 运营的「GPT Plays Pokemon」项目给出了最直接的对比数据。Astra 通过纯屏幕输入、鼠标键盘操作控制游戏，不依赖游戏 API。 背景：Vals AI 主导的 Minecraft 测试已经跑满 141 小时，是迄今 AI 在该游戏里走得最远的一次——3 小时内搭建下界传送门、与僵尸战斗、困住骷髅；后期建立半自动烈焰人农场，击杀超过 6 只末影人，凑齐末影之眼材料。但同一次测试暴露了显著的反模式：一只 Creeper 苦力怕炸毁了 Astra 的箱子和床，导致模型写下一条永久规则「关键物品永远不要存放在无人看管的箱子里」，随后数小时只重复种植土豆，几乎放弃主线目标。ARC Prize 指出，Astra 的关键能力是把陌生机制提炼为紧凑符号化笔记，自我生成简写并跟踪对象、坐标、规则与计划；这种「观察→规则→计划」链路在破纪录游戏中有效，但在开放环境遭遇单一负面事件后会形成过度修正的硬规则。 影响：GPT-6 Astra 在 ARC-AGI-3 基准上标准接口拿下 62.7%，OpenAI 自家 harness 接近 99.9%，对比 GPT-5.6 Sol 的 7.78% 和 Claude Opus 5 的约 30%。这把「长链路、可自我纠错的智能体」能力从闭门基准推到了消费级游戏与屏幕操作层面，是 AI 智能体能力分级的明显跃迁。但 Minecraft 里的「苦力怕→土豆农场」失败模式同时敲响警钟——同一套自我规则机制既能驱动创纪录通关，也会在真实长链路任务中产生「一次挫折即永久回避」的脆弱性。对部署 Astra 类模型做生产代理、自动化金融与基础设施运维的团队而言，这是上线前必须压测的反直觉失效路径。 总结：GPT-6 Astra 用 18 小时通关宝可梦证明长链路游戏智能体跨代提升，但其在 Minecraft 中被一只 Creeper 困在土豆田里的反模式，提醒业界对「自生成硬规则」机制需配套规则失效与覆写能力。游戏破纪录只是表层信号，更深层的意义在于：屏幕级通用代理已具备商业化前的能力下限，但稳健性仍是开放问题。 参考来源： - The Decoder：GPT-6 Astra crushes Pokemon, Factorio, and Fallout 3 then spirals into Minecraft potato farming after one bad Creeper - AI Daily Post：GPT-6 Astra Beats Pokemon in 18 Hours, Smashes AI Benchmarks - Marvis AI Today：GPT-6 Astra beats Pokemon FireRed in 18 hours and 12 minutes - Hello Marvis AI Today 报道 - AGI Hunt：GPT-6 Astra beats Pokemon in 18 hours, then farms potatoes after one Minecraft Creeper mishap - TPS Report：GPT-6 Astra: OpenAI Model Crushes Gaming Benchmarks - ARC Prize 官方解读 - 网易新闻：18 小时通关宝可梦，一只 Creeper 炸回土豆农场 - 量子位：18 小时通关宝可梦内测离谱