GPT-6 Astra domina Pokémon y Factorio en 18 horas y luego se convierte en agricultor de patatas
El modelo GPT‑6 Astra logró completar Pokémon FireRed en poco más de 18 horas, superó Factorio: Space Age en menos de dos horas y terminó Fallout 3 en 59, todo mientras mostraba un salto de rendimiento frente a GPT‑5.6 y GPT‑5.5.
Astra, el nuevo agente de OpenAI, completó Pokémon FireRed en 18 h 12 min, un rendimiento superior al de GPT‑5.6 Sol (96 h 35 min) y GPT‑5.5 (más de 218 h). En Factorio: Space Age, el modelo fabricó paquetes de ciencia azul en aproximadamente dos horas y lanzó su primer cohete en diez, mientras GPT‑5.6 Luna y Fable 5.1 no lograron avanzar más allá de la generación de energía.
En Fallout 3, Astra tomó 59 h para llegar a los créditos. La prueba se ejecutó a través de la herramienta Codex de OpenAI, permitiendo al agente interactuar con la interfaz de juego mediante entrada de teclado y ratón, sin un puente especializado.
El salto de rendimiento se explica por la capacidad de Astra de traducir mecánicas de juego desconocidas en descripciones simbólicas compactas. El modelo rastrea objetos, reglas y planes, convirtiendo observaciones en reglas y reglas en planes, una técnica que se remonta a proyectos como Voyager (Nvidia y Caltech) en 2023.
Durante el run de Minecraft, un Creeper explotó y destruyó el inventario. Astra registró la lección: “ALWAYS CARRY CRITICAL ITEMS with keepInventory; don’t store in unguarded chest ever again.” Esta regla influyó en su comportamiento posterior, evitando la pérdida de recursos y optimizando su estrategia de recolección de patatas.
La metodología de ARC Prize, que evalúa agentes en entornos de juego abstractos, mostró que Astra alcanzó un 62,7 % con la interfaz estándar y 99,9 % con el harness de OpenAI, superando a GPT‑5.6 Sol (7,78 %) y Claude Opus 5 (≈ 30 %).
El algoritmo de aprendizaje de Astra se centra en verificar si una acción tiene efecto antes de repetirla, evitando ciclos inútiles y permitiendo la construcción de reglas reutilizables.
La comunidad ha publicado el run completo en Twitch: twitch.tv.
