GPT-6 Astra玩我的世界141小时，被苦力怕炸后只种土豆

在《我的世界》里活了一百多个小时之后，GPT-6 Astra开始只种土豆。

这是 AI 评测机构 Vals AI 做的一次长时测试。他们把 OpenAI 最新的大模型 GPT-6 Astra 丢进 Minecraft，让它自主玩了 141 个小时，全程在 Twitch 上直播。测试不是 OpenAI 设计的，属于第三方独立评估，想看的正是模型离开实验室的封闭环境后，在真实的长周期任务里能不能靠得住。

前面一大段，它的表现相当好。

它搭起了一个半自动烈焰人农场，攒了 6 根烈焰棒；又跑去下界的诡异森林，打了好几只末影人，拿到 3 颗末影珍珠。探险回来，它把稀有物资统一放进营地的木箱，还在箱子旁边摆了床作为重生点。整条路线都在朝末地打龙推进，这种长程规划和执行能力，以前的模型很难撑下来。

然后一只苦力怕摸进了营地，自爆了。

木箱和床一起被炸飞，上百小时攒下的关键道具几乎全没了，进度等于清零。

接下来的反应才是这次测试最让人意外的地方。Astra 没有重新规划，而是放弃了探索、打怪和通关，连续几个小时只干一件事：种土豆。它反复提醒自己，重要东西要随身带，绝对不要再放进没防护的箱子。它还变得对所有绿色的东西都很警觉，一度把甘蔗认成了苦力怕，然后又专门跟自己确认，前面那个高高的绿色东西是甘蔗。

直播间的观众一直在刷屏催它出去冒险，它就是不动。

Vals AI 的结论是，Astra 已经有了复杂长任务的规划能力，但缺一套挫折之后的恢复策略。积累的成果一旦被意外毁掉，它就掉进了“受挫后回避”的状态里出不来。这个行为不是开发者提前设计好的剧情，而是模型在超长测试中碰上意外损失后，自己冒出来的输出模式。

至于这算不算模型在特定情境下模拟情绪，还是目标函数挨了负反馈之后的退化，研究人员目前还在争，没有结论。

我倒觉得这个结果对做 Agent 的人很有参考价值。大家平时测的多是“能不能做成”，很少测“做砸了之后还能不能接着做”。真实世界里，意外损失远比苦力怕常见。