GPT-6 Astra: чемпион Pokemon за 18 часов, после взрыва крипера — фермер картофеля

В Minecraft Astra собрала шесть огненных стержней и три жемчужины Края. По данным Vals AI, ни одна ИИ-система прежде не продвигалась так далеко. В Нижнем мире Astra построила полуавтоматическую ферму огненных стержней, убила больше шести эндерменов в искажённом лесу и собрала ингредиенты для ока Края, с помощью которого можно найти портал к финальной битве. За трансляцией наблюдали тысячи зрителей, когда Astra складывала добычу в сундук.

Затем появился крипер. Взрыв уничтожил сундук и кровать. Всё пропало, а к моменту, когда Astra это заметила, начался дождь.

Astra записала правило, частично прописными буквами: всегда носить важные предметы с собой при включённом keepInventory и больше никогда не хранить их в незащищённом сундуке. После этого система несколько часов почти только выращивала картофель.

Быстрее прежних моделей

До этого GPT-6 Astra провела в игре значительно больше 100 часов. Vals AI остановила испытание через 141 час. Для сравнения: первые ИИ-агенты для Minecraft в 2022 году показывали куда более скромные результаты. OpenAI VPT находила алмазную кирку лишь в 2,5% запусков и не приближалась к порталу. В одном из сравнений Vals AI VPT тратила на этот этап 10 минут.

Источник: the-decoder.com

Наглядное сравнение с более новыми моделями даёт проект «GPT Plays Pokemon». По словам оператора Clad3815, Astra получила звание чемпиона в Pokemon FireRed за 18 часов 12 минут. GPT-5.6 Sol потребовалось 96 часов 35 минут, а GPT-5.5 не завершила игру даже после более чем 218 часов.

Источник: the-decoder.com

Похожий результат показал общественный запуск Factorio: Space Age. Astra управляла игрой через пользовательский мод на Lua с интерфейсом MCP, создала синие научные пакеты примерно за два часа и запустила первую ракету примерно через десять часов. В той же конфигурации GPT-5.6 Luna и Fable 5.1 не прошли дальше энергоснабжения и разведки нефтяных месторождений.

Были и прохождения, для которых нет прямых числовых сравнений:

Ещё до этих запусков сообщества ARC-AGI-3 показал, что речь идёт о заметном скачке. Бенчмарк помещает модели в незнакомые абстрактные игровые среды, где правила приходится выяснять собственными действиями. Astra набрала 62,7% при работе через стандартный интерфейс и около 99,9% с собственным инструментарием OpenAI. GPT-5.6 Sol получила 7,78%, а Claude Opus 5 — чуть больше 30%.

Сначала проверить, потом повторить

ARC Prize, организация, создавшая этот бенчмарк, объяснила результат так: Astra переводит незнакомые игровые механики в компактные символические описания и отслеживает объекты, координаты, правила и запланированные действия с помощью собственной сокращённой записи. Наблюдения превращаются в правила, а правила — в планы.

Превращение опыта в повторно используемые правила появилось не впервые. В 2023 году исследовательский проект Voyager с участием Nvidia и Caltech поручал GPT-4 предлагать задачи в Minecraft, писать для них код на JavaScript и исправлять его по сообщениям об ошибках. Рабочие программы попадали в библиотеку навыков.

Но Voyager не видел саму игру. Он получал структурированные данные и управлял Minecraft через программный интерфейс Mineflayer. Запуск Vals AI, напротив, работает через универсальное управление компьютером — экран, мышь и клавиатуру — без специализированного подключения к игре, утверждает компания. То, что раньше исследователи создавали вокруг модели, теперь Astra делает сама. Менее чем за три часа она построила портал в Нижний мир, сразилась с зомби, поймала скелета и нашла дорогу обратно на базу.

Похожая схема проявилась в прохождении Fallout 3. Пользователь imjustnewatai, разместивший полную запись на YouTube, сам прошёл начало игры в Убежище 101, а затем передал файл сохранения инструменту OpenAI для ИИ-агентов Codex, включив для Astra максимальный уровень рассуждения. После этого агент самостоятельно выбирал маршрут и действия: добрался до Galaxy News Radio, искал отца, получил Г.Е.К.К., сбежал из Raven Rock и завершил линию Project Purity. Игра шла через обычные действия с постоянными циклами паузы, наблюдения и следующего шага. Сохранения, спутники и быстрое перемещение разрешались. Примерно через 59 часов пошли финальные титры.

Принцип, описанный ARC Prize, особенно заметен на самом сложном отрезке прохождения. В Убежище 87 персонаж несколько раз погибал, заканчивались боеприпасы, а Astra приходилось возвращаться для восстановления здоровья. Сообщения о состоянии в этот период строились одинаково: если действие не давало результата, Astra не повторяла его бесконечно, а искала причину и фиксировала вывод.

Кровать, которая должна была лечить персонажа, сначала не сработала. Astra немного подождала, попробовала ещё раз и сообщила, что после короткого продолжения игры кровать заработала, а здоровье восстановилось до 260/260. Выстрелы по врагу постоянно проходили мимо. Astra предположила, что линию огня перекрывает препятствие, подошла ближе и отметила, что это убрало помеху. У клавиатуры она ждала подтверждения нажатия кнопки от игры и только после этого продолжала движение.

Позже Astra свела эти эпизоды к одному принципу: перед повторением нужно проверить, сработала ли команда. Само правило простое, но оно не даёт агенту бесконечно выполнять бесполезное действие. При этом такой подход может стать источником новой проблемы.

Больше никаких незащищённых сундуков

В том же прохождении видно, как правило начинает мешать. После смертей в Убежище 87 в сообщениях Astra постоянно сохраняла прогресс, проверяла запись и сверяла каждый шаг с видимой обстановкой. Она писала, что проверяет каждое короткое перемещение по геометрии уровня, чтобы уйти и не потерять сохранённый прогресс. Это заметно замедлило прохождение, но не остановило его.

В Minecraft всё оказалось иначе. Сразу после взрыва крипера Astra записала правило: важные предметы нужно всегда носить с собой и никогда больше не складывать в незащищённый сундук. В заметках следующих часов она с подозрением относилась к каждому высокому зелёному объекту, отдельно уточняя, что перед ней сахарный тростник, а не крипер. Astra также винила себя за ошибки и потерю предметов. Она не хотела снова тратить ночь на поиски «тёмно-розовых пикселей» — так система называла свиней, доступный источник еды, на который, по всей видимости, безуспешно охотилась ночью. Безопасным местом оставалось только картофельное поле, и, по данным Vals AI, несколько часов Astra не уходила оттуда.

Плохой опыт превращается в постоянное правило, которое сохраняется даже после того, как перестаёт помогать. В ARC-AGI-3 такая способность позволяет модели выяснять игровые механики всего по нескольким попыткам. В открытом мире со случайными событиями она может привести к чрезмерной осторожности и отвлечь модель от исходной цели.

При этом разрыв с прежними моделями остаётся заметным. Команда, стоящая за бенчмарками ARC-AGI, снова создала тест, который стал ранним сигналом изменений в развитии ИИ. Ранние успехи в ARC-AGI-1 таким же образом обозначили начало эпохи моделей с развитым рассуждением.