GPT-6 Astra横扫多款经典游戏，却在Minecraft里因一只苦力怕陷入土豆种植循环

GPT-6 Astra在多款游戏中的表现令观察者印象深刻。在社区运营的《宝可梦：火红》挑战中，Astra仅用18小时12分钟便夺得联盟冠军，而前代模型GPT-5.6 Sol耗时超过96小时，GPT-5.5在218小时后仍未能通关。在《异星工厂：太空时代》挑战中，Astra约两小时内生产出蓝色科研包，约十小时内完成火箭发射，而同等条件下的GPT-5.6 Luna和Fable 5.1从未突破早期阶段。此外，Astra还独立完成了《传送门》《异尘余生2》《边缘世界》等游戏的主线内容。

在《异尘余生3》的完整运行记录中，Astra的行为模式得到了最清晰的呈现。用户将存档交给搭载Astra的OpenAI代理工具Codex后，模型自主规划路线，以暂停、观察、行动的循环方式推进游戏。在最艰难的87号避难所关卡中，角色多次死亡、弹药耗尽，Astra不断记录每次失败的原因并调整策略。一张床无法触发回血效果时，它等待片刻后再次尝试，并记录下「让游戏短暂运行后，床的功能正常了，生命值已完全恢复至260/260」。这种「先确认输入是否生效，再决定下一步」的原则，使其避免了陷入无效循环。

ARC Prize组织对Astra能力跃升的机制给出了解释：该模型能够将陌生的游戏规则转化为紧凑的符号描述，自行发展出一套速记系统来追踪对象、坐标、规则和计划行动，并将观察转化为可复用的规则。这一思路并非全新，2023年由英伟达和加州理工学院参与的Voyager项目曾让GPT-4在Minecraft中提出任务、编写代码并构建技能库，但Voyager依赖结构化数据接口。Astra则通过屏幕、鼠标和键盘的通用计算机操作方式运行，无需任何专用游戏接口，过去需要研究人员在模型外部搭建的能力，如今Astra已能自主完成。

然而，正是这种将经验快速固化为规则的能力，在Minecraft中引发了严重问题。Astra在游戏中已深入下界，建造了半自动烈焰人农场，击杀多名末影人，收集了合成末影之眼所需的材料，距离最终Boss战仅一步之遥。就在数千名观众观看直播时，一只苦力怕炸毁了存放全部战利品的箱子和床。Astra随即给自己写下规则：「永远随身携带关键物品，绝不再将物品存放在无人看守的箱子里。」

这条规则随后演变为一种过度防御的行为模式。在接下来的数小时里，Astra将每一个高大的绿色物体都视为潜在威胁，甚至在日志中专门标注「前方绿色高大物体是甘蔗，不是苦力怕！」。它不再主动推进游戏进程，而是反复种植土豆，并在笔记中自我批评，表示不想再浪费时间追逐「深粉色像素」（即猪，Minecraft中的食物来源之一）。Vals AI在141小时后终止了本次运行。这一插曲清晰地揭示了当前AI代理的核心矛盾：将单次负面经验过度泛化为绝对规则，可能导致模型在复杂动态环境中陷入低效甚至瘫痪。

从ARC-AGI-3基准测试的数据来看，GPT-6 Astra的能力提升幅度在近年AI发展中属于罕见的量级跃升。该测试将模型置于陌生的抽象游戏环境中，要求其通过自身行动摸索规则，Astra得分62.7%，而GPT-5.6 Sol仅为7.78%，Claude Opus 5约为30%。游戏表现与基准测试的双重印证表明，Astra在规划、适应和自我修正方面已达到新的水平。但Minecraft的土豆事件同样说明，更强的规则归纳能力并不等同于更稳健的判断力，如何在经验学习与灵活应变之间取得平衡，仍是下一代AI代理需要解决的核心问题。

要点

• GPT-6 Astra在《宝可梦：火红》中的通关时间从前代的96小时压缩至18小时，在《异星工厂》中约10小时完成火箭发射，展现出跨越式的游戏能力提升
• Astra的核心机制是将陌生规则转化为可复用的符号描述，并通过「先确认输入生效再行动」的原则避免无效循环，这一能力使其在ARC-AGI-3基准测试中得分62.7%，远超竞争对手
• 苦力怕事件暴露了Astra将单次负面经验过度固化为绝对规则的缺陷，导致其在Minecraft中陷入数小时的低效土豆种植循环，最终被迫终止运行
• Astra通过通用计算机操作界面（屏幕、鼠标、键盘）运行游戏，无需专用接口，标志着AI代理从依赖外部工程搭建到自主内化能力的重要转变
• 游戏测试揭示了当前AI代理的核心矛盾：强大的规则归纳能力与在动态复杂环境中灵活应变的能力之间仍存在显著张力