GPT-6 Astra прошла Fallout 3 и Factorio, но застряла на картошке в Minecraft

Прогон GPT-6 Astra в Minecraft длился больше 100 часов, пока компания Vals ИИ не остановила его вручную на 141-м часу. К тому моменту агент пережил взрыв Creeper: сундук с припасами и кровать уничтожены, начался дождь. Astra записала себе правило, частично капсом: «ALWAYS CARRY CRITICAL ITEMS with keepInventory; don't store in unguarded chest ever again». После этого она несколько часов собирала в основном картошку — почти без результата.

До этого эпизода результаты выглядели иначе. В Pokemon FireRed агент получил титул чемпиона за 18 часов 12 минут, тогда как GPT-5.6 Sol понадобилось 96 часов 35 минут, а GPT-5.5 не закончила игру и после 218 часов. В Factorio: Space Age, где управление шло через модификацию на Lua с интерфейсом MCP, Astra выпустила синие научные наборы примерно за два часа и запустила первую ракету примерно за десять. GPT-5.6 Luna и Fable 5.1 в той же конфигурации не прошли дальше энергоснабжения и разведки нефти. Отдельно стоят прохождения без прямых сравнений: Portal до титров, Fallout 2 за 22 часа, колония в RimWorld, которую агент провёл через несколько рейдов и вывез с планеты, и основной сюжет Fallout 3 примерно за 59 часов.

Бенчмарк ARC-AGI-3 от организации ARC Prize помещает модели в незнакомые абстрактные игровые среды, где правила нужно вывести из собственных действий. Astra набрала 62,7% через стандартный интерфейс и около 99,9% с собственным harness OpenAI. У GPT-5.6 Sol — 7,78%, у Claude Opus 5 — чуть больше 30%. ARC Prize объясняет скачок так: Astra переводит незнакомую игровую механику в компактные символьные описания и ведёт объекты, координаты, правила и запланированные действия в собственной сокращённой нотации. Наблюдения превращаются в правила, правила — в планы.

Идея переводить опыт в переиспользуемые правила не нова. В 2023 году исследовательский проект Voyager с участием Nvidia и Caltech заставлял GPT-4 предлагать задачи в Minecraft, писать для них код на JavaScript и править его по сообщениям об ошибках, а рабочие программы попадали в библиотеку навыков. Но Voyager не видел саму игру: он получал структурированные данные и управлял процессом через программный интерфейс Mineflayer. Прогон Vals ИИ в Minecraft идёт через обычное компьютерное управление — экран, мышь и клавиатуру, без специальной игровой привязки. То, что раньше исследователи строили вокруг модели, Astra делает сама: меньше чем за три часа она построила портал в Нижний мир, отбилась от зомби, поймала скелета и вернулась на базу.

Структура работы видна в самой тяжёлой части прохождения Fallout 3. Пользователь imjustnewatai, выложивший полный прогон на YouTube, сам прошёл начало в Убежище 101 и передал сохранение инструменту Codex с Astra на максимальном уровне рассуждений. Дальше агент сам выбирал маршрут и действия: Galaxy News Radio, поиски отца, G.E.C.K., побег из Рейвен-Рок, Project Purity. Игра шла через обычные игровые вводы циклами «пауза — наблюдение — действие», сохранения, спутники и быстрое перемещение были разрешены. Примерно через 59 часов пошли титры.

В Убежище 87 персонаж умирал несколько раз, патроны кончились, и Astra пришлось отступать, чтобы восстановить здоровье. Сообщения этого этапа устроены одинаково: действие не даёт эффекта, и вместо повтора агент ищет причину и фиксирует результат. Кровать, которая должна была лечить, сначала не сработала — Astra дала игре поработать, попробовала снова и записала: «The bed worked after letting the game run briefly. Health is now fully restored to 260/260». Выстрелы по врагу не попадали — агент предположил препятствие на линии огня, подошёл ближе и отметил: «Moving closer cleared the obstruction that was spoiling the earlier shots». У клавиатуры с кодом она дождалась подтверждения нажатия, прежде чем идти дальше. Всё это Astra свела к одному принципу: проверять, сработал ли ввод, прежде чем повторять его. Звучит тривиально, но именно это не даёт агенту зацикливаться на бесполезном действии — и именно отсюда растёт поведение, которое позже становится проблемой.