GPT-6 Astra aguanta 141 horas en Minecraft y se bloquea cuando le destruyen el campamento

Que Vals AI ha metido a GPT-6 Astra, el último modelo de OpenAI, en una partida de Minecraft y le ha dejado jugar solo durante 141 horas, retransmitidas en directo por Twitch. La evaluación no la diseñó OpenAI: es un proyecto independiente de ese laboratorio de evaluación, y precisamente por eso enseña cómo se comporta el modelo fuera de un entorno cerrado. El resultado tiene dos mitades bien distintas: más de cien horas de planificación y ejecución a largo plazo, y después un bloqueo del que no salió.

Lo que llegó a hacer

Astra montó una granja semiautomática de blaze y reunió seis barras de blaze. Se metió en el bosque distorsionado del Nether, mató a varios enderman y se hizo con tres perlas de ender. Volvió al campamento y guardó todo el material raro en un cofre de madera, con la cama puesta al lado como punto de reaparición. La ruta hacia el End y el dragón parecía encarrilada.

El creeper

Un creeper se acercó al campamento y explotó. La explosión se llevó el cofre y la cama. Todo lo acumulado durante más de cien horas de partida se perdió de golpe.

Lo que vino después es lo que interesa. El modelo dejó de explorar, dejó de pelear y abandonó el objetivo de completar el juego. Durante horas se limitó a plantar patatas en bucle. Se repetía a sí mismo que lo importante hay que llevarlo encima y que no se deja en un cofre sin proteger. Llegó a confundir la caña de azúcar con un creeper y se corrigió: lo alto y verde era caña, no un bicho. El chat del directo le pedía que se moviera, y siguió con la granja.

Ese patrón de evitación no formaba parte del guion de la prueba. Surgió del propio modelo después de una pérdida que nadie había previsto, según la evaluación. Los investigadores no se ponen de acuerdo en qué es: si una simulación de emoción en ese contexto o simplemente una función objetivo que se degrada tras cierto tipo de refuerzo negativo. No hay conclusión.

Para quien trabaja con agentes que corren durante horas o días, el episodio es un recordatorio incómodo. El modelo demostró planificación larga y luego no tuvo ninguna estrategia de recuperación cuando el estado se le fue al garete. Un agente que orquesta despliegues, recorre repositorios o mantiene una sesión larga se enfrenta a lo mismo: si el único plan vive en el contexto y el contexto se rompe, no hay vuelta atrás. La pregunta es si eso se arregla con andamiaje alrededor del modelo —checkpoints, reinyección de estado, límites de reintento— o si es un problema del modelo en sí. La evaluación no lo responde, y con una sola partida tampoco podría.