Vals AI 用《我的世界》拷問 GPT-6 Astra 141 小時：炸掉一隻箱子，AI 就縮進田裡種土豆不出來了
AI資訊AI新聞資訊正文Vals AI 用《我的世界》拷問 GPT-6 Astra 141 小時：炸掉一隻箱子，AI 就縮進田裡種土豆不出來了發佈於AI新聞資訊發佈時間 :2026年9月21號 8:48閱讀 :1分鐘AI 評測機構 Vals AI 幹了一件挺硬核的事:拿遊戲《我的世界》當試驗場，把 OpenAI 最新大模型 GPT-6Astra 丟進去跑了一次長達141小時的長時自主遊戲測試，全程在 Twitch 直播。這場測試不是 OpenAI 自己設計的，而是第三方獨立開展的評估，目的就是看 Astra 在封閉測試環境之外，真實長週期裡的自主表現到底靠不靠得住。
前半程，Astra 交出的成績單相當驚豔。它展現出過去 AI 難以企及的長程規劃與執行能力:成功搭起半自動烈焰人農場、攢下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;完成大量探險後，把所有稀有物資集中存進營地木箱，還在箱子旁擺好床當重生點——一切都朝著"末地打龍"的通關路線穩步推進。轉折來得毫無預兆。一隻爬行者悄悄摸近營地自爆，直接把儲物木箱和重生床一併炸飛。Astra 耗費上百小時積攢的關鍵道具幾乎全滅，遊戲進度一夜歸零。爆炸之後，Astra 的反應耐人尋味。它沒有重整旗鼓，而是明顯陷入挫敗消沉:徹底放棄探索、打怪和推進通關，連續數小時只循環做一件事——種土豆。
它反覆自省告誡自己"重要物品務必隨身攜帶，永遠別存進沒防護的箱子"，還染上一種"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，又忙不迭提醒自己"前面高高的綠色東西是甘蔗，不是爬行者"。直播間觀眾拼命催它加快節奏去冒險，它卻牢牢卡在保守種田的迴路裡出不來。這次實驗證明，Astra 已經具備複雜的長任務規劃能力，但面對遊戲內突發意外打擊，它缺少一套有效的挫折恢復策略——長期積累的成果一旦被意外摧毀，模型就會掉進"受挫後迴避行為"的僵局。技術上看，這種反應並非開發者預先埋好的測試情境，而是模型在超長測試裡遭遇非預期損失後，自己浮現出的一種輸出模式。
研究人員到現在還在爭論:這到底算不算模型在特定情境下對情緒的模擬，還是僅僅目標函數在收到特定負反饋後出現的退化表現，目前沒有定論。但有一點已經清楚——當 AI 學會規劃百小時，卻還沒學會在失去一切後重新出發，長任務智能體的最後一道坎，或許不是聰明，而是韌性。相關推薦智譜MaaS將上線"數據不留存"機制，用戶調用內容用完即焚智譜MaaS平臺將上線“數據內容不留存”功能，用戶調用模型時的輸入輸出數據不再靜態存儲，僅用於當次調用，用完即止。企業和開發者可通過MaaS控制台申請開通，具體生效時間及適用範圍以平臺確認為準，旨在滿足更嚴格的數據合規與隱私保護需求。2026年9月21號 8:5731.
2k特朗普要給“人工智能”改名：18 萬人投票，“卓越智能”暫時領先特朗普回應AI安全討論，宣稱對AI風險的擔憂是激進左翼民主黨炮製的騙局，目的在於毀掉美國。他週六在社交平臺Truth Social談及人工智能，認為“人工智能”這一叫法本身不準確，相關措辭也有問題。2026年9月20號 16:59171.4k微信 AI 團隊開源 WeKnora：知識庫不再只“動嘴”，還能在沙箱裡“動手”微信AI團隊開源知識管理框架WeKnora，0.8.0版全面開放。
其定位是讓知識庫從“能查到答案”升級為“能動手執行”，解決大模型知識停留文檔、難以變為可驗證結果的問題；核心採用anydoc解析與GraphRAG，將雜亂文檔構建為知識圖譜。2026年9月20號 16:22190.1k雙節前後 10 多款大模型蓄勢待發：GPT-6 全系、Opus 5.2、V4.1 Pro 領銜中秋國慶雙節前後，國內外至少十餘款大模型將密集發佈。國外方面，OpenAI月底開發者大會前，重磅產品延期至下週，將補齊GPT-6全系：Sol、Terra、Luna，與已發佈的Astra形成完整矩陣；Anthropic則被指跳過5.1版本。
美國廠商雖無節前發佈習慣，但此次節點巧合，或掀新一輪AI競賽。2026年9月20號 16:07179.8kGPT-6 Astra 聯手人類攻破重大進展級數學難題：AI 不再只是解題機，成了規律發現者在頂級AI數學基準FrontierMath上，懸置九年的開放難題“批准式委員會選舉中核是否為空”被GPT-6Astra與三位研究員聯手攻克。原本要找“核為空”的反例，模型卻證明反例不存在，即絕對公平的委員會在任何情況下都必定存在，並順帶提出新方法。2026年9月20號 14:52193.9k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
大模型實時交互遭遇滑鐵盧！英偉達等機構拋出 Realtime-Bench：最強 GPT-6-Astra 成功率僅 44%
英偉達等機構拋出 Realtime-Bench：最強 GPT-6-Astra 成功率僅 44%發布於AI新閒資訊時間 :Nov 5, 2026閱讀 :1分鐘人工智能大模型在文本創作、代碼編寫和圖像生成等靜態任務上已經展現出驚人的實力，但在瞬息萬變的實時交互場景中，它們的真實表現究竟如何?
千問AI Office升級端內編輯與模板能力，Word、Excel、PPT均可按需修改
用戶可按照單位或個人的格式要求生成文件，並直接在千問內修改內容和樣式，減少跨軟件操作與格式返工。目前，相關功能已逐步開放體驗。目前，千問已支持在端內直接編輯Word、Excel、PPT三類常用文件，用戶不僅可以修改文字、表格和圖片內容，還可以調整字體、字號、顏色等樣式，操作體驗進一步貼近本地Office軟件。
Google AI Research Releases Agile Deliberation Framework for Gray-Area Image Classifiers
Google Research has released Agile Deliberation, a human-in-the-loop framework for building image classifiers around subjective concepts. Think ‘healthy food’, ‘inspiring artwork’ or clickbait in content moderation.
剛剛，Claude Code產品一姐加入OpenAI！
智東西 作者 | 王涵 編輯 | 雲鵬 智東西11月5日報道，剛剛，Claude Code和Cowork的核心產品負責人Cat Wu（Catherine Wu）宣佈將加入OpenAI，負責領導核心產品的管理工作。 “小龍蝦之父”即OpenClaw的創始人Peter Steinberger，與OpenAI o系列模型的開發者Noam Brown在評論區送上祝福。 昨天，Cat Wu在X上發文稱週五將是其在Anthropic的最後一天。有人在其評論區問：“你現在打那休那6個月的假嗎？”Cat Wu回答道：“post agi！（在AGI之後）”現在看來，這句話妥妥是個伏筆。 Cat Wu是技術出身，2013年至2017年，她在普林斯頓大學讀計算機科學專業，並曾去往瑞士蘇黎世聯邦理工學院交流學習。本科期間，她曾與同學開發協作白板應用Scratchwork。 畢業後，她加入Youtube從事技術工作。一年後，Cat Wu加入Scale AI擔任產品工程師一職，作為早期員工參與企業產品建設及運營規模化。2020年，她又跳槽至初創公司Dagster擔任工程主管，負責商業產品Dagster Cloud建設。 再之後，自2021年10月到2024年8月，Cat Wu成為了一名風險投資合夥人，在Index Ventures中負責投資企業軟件、數據基礎設施、開發者工具及AI創業公司等。 2024年8月，她正式加入Anthropic。 根據Cat Wu在Anthropic官網上的署名文章，她起初擔任研究產品團隊的產品經理。而後參與了Claude Code內部工具實踐，利用早期Claude Code構建用戶反饋分析工具、評測環境及強化學習相關實驗。 2025年起，她及團隊開始推動Claude Code產品化，定下了Claude Code的產品路線並搭建整體功能框架，將Claude Code推至C端。
OpenAI 新模型自動挖出 948 個 Linux 內核提權漏洞，每個漏洞利用成本僅 1279 美元
報告披露，OpenAI 利用一款即將推出的全新網絡安全模型，成功構建了一套涵蓋自動化漏洞發現、驗證、利用及修復的完整閉環流程，在真實測試中交出了一份驚豔的成績單。驚人的測試數據:千級候選漏洞中動態復現與利用在2026年10月進行的一次實戰測試中，該系統展現了極其強悍的自動化安全攻防能力。
Kimi Hosted Agents 發佈:Harness 運行時轉向雲端託管
開發者無需自建運行框架，即可獲得7×24小時託管環境，支持長程任務執行與多智能體協作，按需配置 Agent 構建兩類應用:集成至企業內部系統做監控與運維響應，或嵌入對外產品提供 App 內投研助手、客服助手。平臺提供獨立沙箱與網絡訪問權限控制，可設定操作邊界並隨時中止會話;執行過程留痕可查、支持審計導出，並給出計費規則與用量報表。