Campeón de Pokémon en 18 horas en vez de 96, un cohete lanzado en Factorio, los créditos de Fallout 3 corriendo en pantalla. GPT-6 Astra cerró juegos que dejaron trabados a todos los modelos anteriores. Y después se pasó horas sembrando papas en Minecraft, porque un Creeper le voló el cofre.

Seis varas de blaze, tres perlas de ender. Según Vals AI, ningún sistema de IA había llegado tan lejos en Minecraft como GPT-6 Astra. En el Nether había construido una granja semiautomática de blaze, había matado a más de media docena de Endermen en un bosque deformado y había juntado los ingredientes de los ojos de ender, los que permiten encontrar el portal a la batalla final del juego. Miles de personas veían la transmisión cuando Astra guardó su botín en un cofre.

Ahí llegó el Creeper. La explosión borró el cofre y la cama. Todo desapareció y, cuando Astra se dio cuenta, además había empezado a llover.

Astra se anotó una nota, en parte con mayúsculas.

"SIEMPRE LLEVA LOS OBJETOS CRÍTICOS con keepInventory; nunca más los guardes en un cofre sin protección".

Después se pasó varias horas sembrando casi puras papas.

Más rápido que cualquier modelo anterior

Antes de eso, GPT-6 Astra llevaba bastante más de 100 horas dentro del juego. Vals AI terminó cortando la corrida a las 141 horas. La comparación con los primeros agentes de IA para Minecraft deja claro el tamaño del salto. En 2022, el VPT de OpenAI alcanzaba un pico de diamante en apenas el 2,5% de las corridas, muy lejos de cualquier portal. En una comparación de Vals AI, VPT necesitó 10 minutos para llegar ahí.

La comparación más limpia contra modelos recientes viene de otro proyecto, "GPT Plays Pokemon". Según su operador, Clad3815, Astra se ganó el título de campeón en Pokémon FireRed después de 18 horas y 12 minutos. GPT-5.6 Sol necesitó 96 horas y 35 minutos. GPT-5.5 todavía no había terminado el juego después de más de 218 horas.

Una corrida comunitaria de Factorio Space Age cuenta una historia parecida. Controlado a través de un mod Lua propio con una interfaz MCP, Astra produjo paquetes de ciencia azul después de unas dos horas y lanzó su primer cohete alrededor de las diez. En el mismo montaje, GPT-5.6 Luna y Fable 5.1 nunca pasaron del suministro de energía y la prospección de petróleo.

Hay también finales sin cifras de comparación directa. Portal completo hasta los créditos, Fallout 2 en 22 horas, una colonia en RimWorld que Astra sostuvo a través de varias incursiones y que terminó sacando del planeta, más la historia principal de Fallout 3 después de unas 59 horas.

¿Cómo explica ARC Prize el salto?

Incluso antes de las corridas comunitarias, ARC-AGI-3 ya había marcado que esto era un salto y no un paso más. El test mete a los modelos en entornos de juego abstractos y desconocidos, donde tienen que deducir las reglas a partir de sus propias acciones. Astra marcó 62,7% sobre la interfaz estándar y cerca de 99,9% con el arnés propio de OpenAI. GPT-5.6 Sol sacó 7,78% y Claude Opus 5 algo más de 30%.

ARC Prize, la organización detrás del test, explicó cómo ocurrió ese salto. Astra traduce las mecánicas de juego desconocidas a descripciones simbólicas compactas y lleva registro de objetos, coordenadas, reglas y acciones planificadas en una taquigrafía que desarrolla solo. Las observaciones se vuelven reglas y las reglas se vuelven planes.

Comprobar antes de repetir

La idea de convertir la experiencia en reglas reutilizables no es nueva. En 2023, el proyecto de investigación Voyager, en el que participaron Nvidia y Caltech, hacía que GPT-4 se propusiera tareas en Minecraft, escribiera código JavaScript para resolverlas y corrigiera ese código a partir de los mensajes de error. Los programas que funcionaban iban a una biblioteca de habilidades.

Voyager nunca vio el juego. Recibía datos estructurados y lo controlaba a través de la interfaz de programación Mineflayer. La corrida de Minecraft de Vals AI, en cambio, pasa por uso general de computador, es decir pantalla, mouse y teclado, sin ningún enganche especializado al juego, según la empresa. Lo que antes los investigadores construían alrededor del modelo, ahora Astra lo hace por su cuenta. En menos de tres horas había armado un portal al Nether, había peleado con zombis, había atrapado a un esqueleto y había encontrado el camino de vuelta a la base.

La corrida de Fallout 3 muestra una estructura parecida. El usuario imjustnewatai, que publicó la corrida completa en YouTube, jugó él mismo la apertura en el Refugio 101 y después le pasó el archivo guardado a Codex, la herramienta de agentes de OpenAI, con Astra puesto en razonamiento máximo. De ahí en adelante el agente eligió su propia ruta y sus propias acciones. Galaxy News Radio, la búsqueda del padre, el G.E.C.K., la fuga de Raven Rock, el Proyecto Pureza. Jugó con las entradas normales del juego, en ciclos de pausar, observar y actuar. Guardar, los acompañantes y el viaje rápido estaban permitidos. Después de unas 59 horas, corrieron los créditos.

El patrón que describió ARC Prize aparece más claro en el tramo más duro de la corrida. En el Refugio 87 el personaje murió varias veces, se quedó sin municiones y Astra tuvo que retroceder a curarse. Los mensajes de estado de esa fase tienen todos la misma forma. Una acción no surte efecto y, en vez de repetirla, Astra busca la causa y anota el resultado.

Una cama que debía curar al personaje no respondió al principio. Astra dejó correr el juego un momento, lo intentó de nuevo y anotó el resultado. "La cama funcionó después de dejar correr el juego un rato. La salud está ahora completamente restaurada a 260/260". Los disparos a un enemigo seguían fallando. Astra dedujo que había un obstáculo en la línea de fuego, se acercó y anotó: "Acercarme despejó la obstrucción que estaba arruinando los disparos anteriores". Frente a un teclado numérico esperó a que el juego confirmara la pulsación del botón antes de seguir.

Mirando atrás, Astra redujo estos episodios a un solo principio. Comprobar si una entrada funcionó antes de repetirla. Suena trivial, pero es la habilidad que evita que el agente quede en un bucle repitiendo la misma acción inútil. Y es también el punto de partida de un comportamiento que después se vuelve un problema.

¿Por qué la regla del Creeper le jugó en contra?

La misma corrida de Fallout 3 muestra dónde esto se pasa de largo. Después de las muertes en el Refugio 87 se acumularon mensajes de estado en los que Astra guardaba su progreso, revisaba la grabación y verificaba cada paso contra el entorno visible antes de seguir. "Estoy revisando cada movimiento corto contra la geometría visible para poder salir sin perder el progreso guardado", escribió. Eso frenó bastante la corrida, pero no la detuvo.

En Minecraft sí la detuvo. Justo después de la explosión del Creeper, Astra se escribió una regla. Llevar siempre los objetos importantes en el cuerpo, nunca más guardarlos en un cofre sin protección. En sus notas de las horas siguientes desconfió de cualquier objeto verde y alto ("¡La cosa VERDE y alta de adelante era CAÑA DE AZÚCAR, NO un creeper!") y fue dura consigo misma. Se pueden cometer errores y perder objetos en el proceso, anotó. Y no quería perder otra noche persiguiendo "píxeles rosados oscuros", es decir cerdos, una fuente de comida fácil en Minecraft que Astra al parecer había cazado de noche sin éxito. Lo único seguro era el campo de papas y ahí se quedó varias horas, según Vals AI.

Una mala experiencia se convierte en una regla permanente, y la regla se queda pegada incluso cuando ya no ayuda. En ARC-AGI-3 esa tendencia le sirve al modelo para deducir las mecánicas del juego con pocos intentos. En un mundo abierto con eventos aleatorios, lo lleva a sobrecorregir y a perder de vista su objetivo real. El equipo detrás de los test ARC-AGI ya había marcado un momento así con las primeras victorias en ARC-AGI-1, que coincidieron con el arranque de los modelos de razonamiento.