「前方那个高高的绿色东西是甘蔗，不是苦力怕。」
这句话不是玩家说的，是GPT-6 Astra在《我的世界》里对自己说的。一个被训练来推理、写代码、做研究的模型，在连续玩了141小时游戏之后，学会了主动确认眼前的绿色物体到底会不会爆炸。
做这件事的是Vals AI，一家专门从第三方角度评测大语言模型性能的公司。他们让OpenAI的GPT-6 Astra自主操作《我的世界》，目标是击败最终Boss末影龙。测试全程在Twitch直播，到文章成稿时存档还能回看。
值得注意的是，Vals AI没有给GPT-6 Astra装任何《我的世界》专用的操作工具或接口钩子。它走的是普通电脑操作这条路——像人一样看屏幕、动键鼠。
它一度跑得比所有前辈都快
开局阶段，GPT-6 Astra的推进速度超过了Vals AI此前测试过的所有AI系统。
它抵达了下界要塞，搭起一座半自动的烈焰人刷怪场，攒到6根烈焰棒。接着找到诡异森林，干掉6只以上末影人，收集到3颗末影珍珠。
这两样东西凑齐，意味着它可以合成末影之眼，去找通往末影龙所在地的传送门。换句话说，它已经推进到了游戏后期该做的物资准备阶段。
Vals AI在社交平台上写道，GPT-6 Astra走得比任何AI系统在《我的世界》里走得更远。
一只苦力怕，炸掉了全部家当
转折发生在一个箱子上。
GPT-6 Astra把收集来的物品存进箱子，一只苦力怕出现了。爆炸摧毁了箱子和床，箱子里存放的物品全部丢失，床上设定的复活点也一并没了。
Vals AI把这次爆炸称为「最昂贵的一次苦力怕爆炸」，并说明这件事成了GPT-6 Astra攻略进度大幅倒退的起点。更巧的是，之后某天下雨，Astra才发现自己什么都没了。
从这一刻起，一切开始往下走。
几小时只种土豆，观众看急了
Vals AI的描述是，之后的GPT-6 Astra「看起来像是被打垮了」。
它不再积极推进攻略，连续几个小时几乎只做一件事：种土豆。直播观众里有人开始喊话，让它赶紧推进度。
与此同时，它对苦力怕的警惕性明显升高。看到绿色、高高的东西时，它会先自我确认一句：前方那个是甘蔗，不是苦力怕。
还有一次它追着猪跑，浪费了时间，随后用一句话纠正自己：「别再为了追那些深粉色的像素浪费一个晚上了。」
最终，GPT-6 Astra没能抵达末影龙，通关失败。
失败之外，它留下了什么
尽管没通关，Vals AI依然给出了正面评价：能自主搭出半自动烈焰人刷怪场，能自己找末影人、收集末影珍珠，这已经比此前任何AI系统在《我的世界》里走得更远。
这场测试真正被记录下来的，或许不是它走了多远，而是它在崩盘之后做了什么。丢光家当，然后花几个小时种土豆——这个行为被直播镜头完整拍了下来。
一个能搭刷怪场、能合成末影之眼的系统，在遭遇一次意外损失后，选择退回到最安全、最重复的劳动里。观众催它，它没动。
Vals AI做的是第三方评测，测的是AI代理长时间操作电脑的能力。141小时这个数字本身，就是这类测试的一个刻度。而刻度之外，那只苦力怕留下的东西，比任何跑分都更直观。
热门跟贴