北京
18小时通关宝可梦，拿下冠军头衔。同一套系统，在《我的世界》里跑了141个小时，最后却因为一只Creeper，蹲在田里种了好几个小时土豆。
这两个结果来自同一个模型：GPT-6 Astra。据Vals AI的记录，它先是在宝可梦里跑出了远超此前所有模型的成绩，随后又在《我的世界》里做出了一个让围观者哭笑不得的举动——被炸掉物资箱之后，它没有立刻重建，而是去种土豆。
先看它跑赢了谁
据"GPT Plays Pokemon"项目的运营者Clad3815记录，Astra用18小时拿到宝可梦的冠军。作为对比，GPT-5.6 Sol用了96小时35分钟；GPT-5.5跑了超过218小时，依然没能通关。
《Factorio: Space Age》的社区跑测给出了类似的结果。通过一个带MCP接口的自定义Lua模组控制，Astra大约两小时产出蓝色科技包，大约十小时发射了第一枚火箭。同一套设置下，GPT-5.6 Luna和Fable 5.1连供电和石油勘探都没能过去。
还有一些没有直接对比数字的完成记录：打通《Portal》直到片尾字幕，《Fallout 2》用时22小时，《RimWorld》里带出一个殖民地、扛过数轮袭击并最终离开星球，《Fallout 3》主线大约59小时。
《我的世界》里发生了什么
据Vals AI的说法，此前没有任何AI系统在《我的世界》里走到Astra这一步。它在Nether建了一座半自动烈焰人农场，在warped forest里击杀了超过六只末影人，凑齐了合成末影之眼的材料——六个烈焰棒、三颗末影珍珠。末影之眼能帮玩家找到通往最终战的门。
数千人看着直播，Astra把战利品放进了一个箱子。然后Creeper来了。爆炸清掉了箱子和床，东西全没了。等Astra反应过来，游戏里还下起了雨。
Astra记下了一条笔记，部分用了大写："ALWAYS CARRY CRITICAL ITEMS with keepInventory; don't store in unguarded chest ever again."（关键物品永远随身携带并开启keepInventory；不要再把东西放进无人看管的箱子。）
然后它花了几个小时，几乎只种土豆。
在此之前，GPT-6 Astra在这款游戏里已经投入了远超100小时，Vals AI最终在141小时时叫停了这次跑测。
把时间拉回早期，这个跨度会更清楚。2022年，OpenAI的VPT只在2.5%的跑测里拿到钻石镐，离传送门还差得远。在Vals AI的一次对比中，VPT需要10分钟才能走到那个位置。
ARC-AGI-3早就给出了信号
在社区跑测之前，ARC-AGI-3其实已经说明这是一次跳跃，而不只是又一步。这个基准会把模型丢进陌生、抽象的游戏环境，让它们通过自己的行动去搞清规则。
Astra在标准接口下拿到62.7%，在OpenAI自家测试框架下约为99.9%。作为对比，GPT-5.6 Sol是7.78%，Claude Opus 5略高于30%。
ARC Prize——这个基准背后的组织——解释了这次跃升是怎么发生的：Astra会先翻译陌生的游戏机制，再据此行动。
一边是18小时通关、十小时发射火箭，一边是炸掉箱子之后种几小时土豆。同一套系统，两种表现，都真实发生了。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
