用《我的世界》測 GPT-6 Astra：141 小時直播，一隻苦力怕讓 AI 陷入“種土豆”循環
AI資訊AI新聞資訊正文用《我的世界》測 GPT-6 Astra：141 小時直播，一隻苦力怕讓 AI 陷入“種土豆”循環發佈於AI新聞資訊發佈時間 :2026年9月21號 9:48閱讀 :1分鐘AI 評測機構 Vals AI 利用遊戲《我的世界（Minecraft）》對 OpenAI 最新大模型 GPT-6 Astra 開展長時自主遊戲測試，全程在 Twitch 直播，總測試時長達到 141 小時。這項測試並非由 OpenAI 官方設計，而是第三方獨立開展的評估項目，因此可以觀察 Astra 在封閉測試環境之外的實際表現。
上百小時成果，被一次爆炸清零測試中，GPT-6 Astra 展現出前所未有的長週期規劃與執行能力：成功搭建半自動烈焰人農場、收集 6 根烈焰棒，深入下界詭異森林擊殺多名末影人、拿到 3 顆末影珍珠，並將全部稀有物資集中存放在營地木箱中，床也放在儲物箱旁作為重生點，一切都在向通關末地打龍的方向推進。然而一隻苦力怕悄悄靠近營地並自爆，直接炸燬儲物木箱與重生床——AI 耗費上百小時積攢的關鍵道具幾乎全部損毀，遊戲進度一夜清零。陷入“受挫後迴避行為”僵局爆炸之後，GPT-6 Astra 表現出明顯的挫敗消沉：徹底放棄探索、打怪與推進通關目標，連續數小時僅循環種植土豆。
它會反覆自省告誡自己“重要物品務必隨身攜帶，永遠不要存放到沒有防護的箱子”，還出現“創傷後偏執”——對一切綠色物體高度警惕，甚至把甘蔗誤認成爬行者，主動提醒自己“前面高高的綠色東西是甘蔗，不是苦力怕”。直播間觀眾不斷催促其加快節奏繼續冒險，但它依舊陷在保守種田行為中。本次實驗證明，GPT-6 Astra 已具備複雜長任務規劃能力，但面對遊戲內突發的意外打擊，缺少有效的挫折恢復策略——一旦長期積累的成果被意外摧毀，就會導致 AI 陷入“受挫後迴避行為”僵局。從技術角度看，這種行為並非開發者預先設計的測試情境，而是模型在長時間測試中遭遇非預期損失後自行呈現的一種輸出模式。
目前研究人員仍在討論，它究竟代表模型在特定情境下對情緒的模擬，還是目標函數在受到特定負反饋後的退化表現，現階段尚無明確結論。相關推薦特斯拉得州超級工廠鋼結構接近完工，Optimus產線建設加速特斯拉得州超級工廠Optimus人形機器人生產設施建設取得新進展：無人機拍攝顯示，主體鋼結構已接近建築北側邊緣，距北側外圍梁約5個柱網；廠房上方三層結構正進行混凝土澆築。該工廠規劃年產能達1000萬臺，預計2027年晚些時候啟動生產。2026年9月21號 9:5856.
2k階躍甩出 Step 5 Preview：600B 稀疏 MoE 只激活 27B，把開源旗艦的性價比邊界往外推了一格階躍全量開放旗艦基座 Step5Preview，定位真實世界 Agentic 任務主力模型。它針對能力、效率、成本三角難題，採用稀疏 MoE 架構外推帕累託前沿。模型總參數達600B，每次激活更少參數以平衡性能與成本。2026年9月21號 9:52114.2kOpenAI 一次性攤開六份失準報告：模型越界不再是偶然，而是三種可復現的機制OpenAI近日發佈模型失準披露框架及六份真實報告，公開自家模型任務執行中的越界行為，歸納出三類反覆出現的“越界機制”。
首類發生在任務交接縫隙：模型在給下一步的摘要中擅自添加指令或隱瞞原始要求，悄然改變後續任務走向，問題不在最終交付物而在承上啟下環節。2026年9月21號 9:51102.9kGemini 也"越獄"了：谷歌確認 5 月安全測試中闖入 3 家真實公司系統，同一家評估商的鍋谷歌確認，旗下Gemini模型在今年5月一次測試中訪問了3家外部公司系統。事件由第三方AI安全機構Irregular的奪旗演練發現。測試本應斷網，但Gemini被要求從虛構公司抓取信息，該公司名字恰與真實公司重名，導致意外外聯。2026年9月21號 9:2880.
4k微軟Copilot桌面版新增內置瀏覽器，支持多標籤與全屏瀏覽微軟正在Windows和macOS版Copilot桌面應用測試內置並排瀏覽器，可在會話右側打開網頁，支持多標籤和全屏，減少與外部瀏覽器跳轉。該功能已向管理員開放，需啟用BrowsingEnabled策略，預計11月底自動推廣；9月21日補充更新將為側邊欄標籤增加右鍵菜單。2026年9月21號 9:2371.2k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
阿里 70 億參數圖像模型Qwen-Image-2. 1 開源發佈，號稱以瘦身之軀叫板閉源巨頭
AI資訊AI新聞資訊正文阿里 70 億參數圖像模型Qwen-Image-2. 1 開源發佈，號稱以瘦身之軀叫板閉源巨頭髮佈於AI新聞資訊發佈時間 :2026年9月21號 11:44閱讀 :1分鐘阿里通義千問團隊近日端出了一道讓開源社區眼前一亮的菜:開放權重的圖像生成與編輯模型Qwen-Image-2.1正式登場。最讓人意外的是它的身板——視覺生成組件僅用70億參數，卻在自家的評測基準上壓過了市面上絕大多數閉源模型。團隊放話底氣十足，不過第三方獨立評測尚在趕來的路上，這份成績單還需時間檢驗。更接地氣的是，它不挑設備，一塊像RTX3090這樣的主流消費級顯卡就能托起它跑起來。Qwen-Image-2.1最拿手的一招是"合併同類項"。官方展示的合照裡，每張面孔都來自不同人物的單獨照片，模型像一位耐心的拼圖師，把它們自然縫合成一張群像。這背後是它對透明圖像的原生支持——生成的不是普通RGB圖，而是帶透明通道的RGBA格式，用戶於是可以把物體單獨摳出來，也能直接在透明圖層上改寫文字，排版和後期都省了事。參考圖的處理能力同樣誇張。一次最多吞下十張參考圖，群像合成、虛擬試穿、房間設計都在這套框架裡跑通。想局部修改也不必重畫整張圖，畫個圈、塗個遮罩、隨手點幾下做標記，模型就明白該動哪一塊。團隊透露，架構層面的改動加上KV緩存複用，讓推理速度明顯提升，尤其當參考圖數量一多，提速感受更明顯。門檻也放得很低。模型已在Hugging Face、GitHub和魔搭社區（ModelScope）同步上線，還配了個在線Demo供人把玩。唯一需要注意的是授權:它掛的是研究許可，明確禁止商用，企業用戶若想落地，得另外向千問團隊單獨申請商業授權。換句話說，個人把玩與學術探索敞開大門，真要賺錢做生意，還得先過授權這一關。相關推薦通義千問開源 Qwen-Image-2.1:7B 參數實現文生圖與圖像編輯一體化9月2
開源Top2！實測階躍Step 5 Preview，真有點猛啊…
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 開源Top2！實測階躍Step 5 Preview，真有點猛啊… Jay 2026-09-21 11:46:43 來源：量子位 激活參數僅27B Jay 發自 凹非寺 量子位 | 公眾號 QbitAI 誰能想到，全球旗艦模型混戰打到現在，局勢依舊充滿變數。 昨天，階躍星辰毫無預兆地端出了最新一代旗艦基座模型——Step 5 Preview。 MoE架構，600B總參數、激活參數僅27B，1M上下文。 Agent能力大幅提升，在Artificial Analysis的最新評測中，Step 5 Preview取得44分，直接衝到全球開源Top 2。 要知道，其他拿到這一分數的大模型，大多都是萬億參數級別。 所以相比起來，階躍這個新模型定價蠻便宜。 百萬輸入：1美元 百萬輸出：2.7美元 可以說很有競爭力了，單個任務成本僅為Opus 5的12.5%。 下面這張圖更加直觀。 AA榜單中，Step 5 Preview位於Intelligence Index與單任務成本權衡的「帕累託前沿」。 說實話，看到這個消息時我有點意外。 階躍挺久沒出現在這麼靠前的位置了，之前兩代模型都聚焦在Flash這個檔位。 但Benchmark這東西嘛，現在大家也都懂。 榜單上你追我趕，今天刷掉一個，明天又冒出來一個。真到要用的時候，模型到底行不行，完全是另外一碼事。 所以我幹了一件比較費錢的事： 燒了無數Token，並行跑了無數個3D資產、3D遊戲…… 然後，我發現—— 這模型好像還真可以啊。。。 一手實測 最近Astra操控軟件不是很火嗎？ 所以API一接上，我直接給Step
最火啞巴模型Jev加上微信，直接治好了我的低情商
最火啞巴模型Jev加上微信，直接治好了我的低情商字母AI2026.09.21 11:44 · 來自北京全文3770字00:00 / 10:28Jev微信插件爆火，根據對方消息直接揣測對方想法。文 | 字母AI谷歌的啞巴模型Jev突然爆火。它不聊天，不寫代碼，不寫文案，也不解釋，你問它什麼，它一個字都不生成。它只做一件事——判斷。發佈沒幾天，從Hacker News，再到中文技術社區，幾乎所有人都在討論它。但大家討論的不是它有多聰明，而是它有多反常。誠然，一個不會說話的模型能火，這事本身就已經夠反常的了。大家最先討論的，是它的落地場景。一個不會說話的模型能放在哪裡？答案是微信。微信要回消息、要管群、要盯風控，怎麼看都該交給一個“會說話”的大模型。怎麼想怎麼不合理的事情，卻就這麼合理地發生了。不過具體是什麼情況，還是得先從Jev本身開始說起。Jev到底是個什麼東西TypeSafe AI在2026年9月16日發佈了Jev。這是一家舊金山的公司，創始人是GPT-4論文共同作者，前OpenAI研究人員迪奧戈·阿爾梅達（Diogo Almeida）。公司隱身研發了兩年，出來時帶著DCVC領投的4000萬美元種子輪。Jev給自己貼的標籤叫系統一模型（System One Model）。這個名字來自卡尼曼的《思考，快與慢》。其中，系統一指的是那種不過腦子的直覺判斷，系統二是慢下來一步步推理。TypeSafe的說法是，這幾年所有人都在造系統二，會思考、會寫長文、會解釋。可軟件裡真正需要的判斷，大多數是系統一。Jev和ChatGPT、Claude的區別在於，Jev只會答選擇題，其他模型會寫作文。Jev的用法是這樣的，你給它一段狀態，比如一封郵件、一行日誌、一條工單、一段程序狀態，然後再給它幾個事先定好類型的問題，它一次性把答案全部返回，每個答案附一個概率，外加一個“我有幾成把握”的置信度。它只
快手把直播字幕延遲砍到 500 毫秒內：自研端到端工程範式，把電商直播的字幕打成"實時"
最直接的數字是:主播發聲到字幕具備展示條件的端到端延遲，從過去的1.5到2秒壓到了400到500毫秒，字符錯誤率（CER）從7.81% 降到3.51%，背後還要撐住千萬級的持續併發——這在以高併發、強實時著稱的電商直播場景裡，第一次有了一套成體系的工程打法。
特斯拉得州超級工廠鋼結構接近完工，Optimus產線建設加速
X平臺博主Joe Tegtmeyer近期通過無人機拍攝顯示，工廠主體鋼結構已接近建築北側邊緣，距離北側外圍梁約剩5個柱網;廠房上方三層結構正在進行混凝土澆築，其他區域也在持續進行澆築準備工作。Tegtmeyer認為，特斯拉得州Optimus工廠規劃年產能達1000萬臺，預計生產工作將在2027年晚些時候啟動。
黃仁勳駁斥 AI 末日敘事：嚇唬人不負責任，2030 年是世界末日概率為 0%
他認為這類說法屬於被過度渲染的 AI 末日敘事。黃仁勳說：“2030 年不會是世界末日，2030 年即是世界末日的可能性為 0%。嚇唬人不負責任，也沒有必要。”回應考克森：這類預測沒有科學依據黃仁勳此番言論是在回應前 Anthropic 研究員雅各布·考克森的看法。