GPT-6 Astra sam przeszedł grę Portal - 3336 ruchów, prawie doba i rachunek na 571 dolarów

Półtora roku temu Claude próbował przejść Pokémon Red na kanale ClaudePlaysPokemon. Zdobył trzy odznaki i utknął w Mt. Moon na ponad osiemnaście godzin, chodząc w kółko i tracąc zdobyty postęp. Oglądanie tego było raczej ćwiczeniem z cierpliwości niż pokazem możliwości. W zeszły poniedziałek GPT-6 Astra przeszedł całego Portala.

Na nagraniu opublikowanym przez użytkownika cozyblaze na X ruch postaci wygląda jak z aimbota - kamera obraca się od razu w dokładnie to miejsce, w które trzeba strzelić portalem, bez korygowania. W pewnym sensie to prawda, bo model steruje kamerą liczbami, a nie myszką. Tylko że te dwie godziny wideo to montaż. Naprawdę zajęło to prawie dobę i 3336 wywołań narzędzi, a gra była zamrażana za każdym razem, gdy model się zastanawiał. Przerwy wycięto.

Układ był prosty. Model dostawał zrzuty ekranu i współrzędne gracza, zmodyfikowany SourcePauseTool zatrzymywał grę na czas namysłu, a klawisze wciskał serwer Model Context Protocol. Astra planowała sekwencję ruchów, gra ruszała, wykonywała ją i znów stawała. Tak przez całą kampanię, komora po komorze.

Koszt to 571,18 dolara w tokenach - przy cenniku Astry w API, 10 dolarów za milion tokenów wejścia i 50 za wyjścia, łatwo o taką sumę przy dobie ciągłej pracy. Autor doprecyzował jednak, że nie zapłacił tego osobno: wszystko zmieściło się w abonamencie Codex Pro za 200 dolarów miesięcznie. Jako sposób na przejście gry z 2007 roku wciąż kiepski interes.

Warto wiedzieć, co właściwie zmierzono. Portal ma rozwiązanie każdej komory opisane w sieci od kilkunastu lat, więc to nie jest test na nieznane zagadki - model mógł wiedzieć, co robić, zanim zobaczył pierwszy ekran. Prawdziwa różnica wobec Pokémona leży gdzie indziej: agent utrzymał jeden cel przez 3336 kolejnych decyzji i nie rozsypał się po drodze. To akurat jest ta zdolność, na której zarabia się w pracy biurowej, a nie w grach.

Wywołanie narzędzia (tool call) - pojedyncza akcja, którą model zleca programowi na zewnątrz siebie, na przykład „wciśnij W przez pół sekundy” albo „daj zrzut ekranu”. Model Context Protocol - otwarty standard łączenia modeli AI z zewnętrznymi programami i danymi; tutaj posłużył za pośrednika między modelem a klawiaturą.