OpenAI 的 GPT-6 Astra 在游戏智能体任务上交出了一份分化明显的成绩单：它在多款游戏中大幅刷新此前模型的通关速度，却在《我的世界》里因一次意外炸箱而长时间偏离主线。
据「GPT Plays Pokemon」项目运营者 Clad3815 的数据，Astra 用 18 小时 12 分钟通关《宝可梦 火红》，而 GPT-5.6 Sol 需要 96 小时 35 分钟，GPT-5.5 在超过 218 小时后仍未通关。在《Factorio：太空时代》的社区测试中，Astra 通过自定义 Lua 模组与 MCP 接口操控，约 两小时产出蓝瓶、约 十小时发射首枚火箭；同一设置下，GPT-5.6 Luna 与 Fable 5.1 始终未能越过供电与石油勘探阶段。此外，Astra 还通关了《Portal》并看到制作人员名单，用 22 小时通关《辐射 2》，在《边缘世界》中带领殖民地挺过多次袭击并最终离开星球，以及用约 59 小时完成《辐射 3》主线。
在《我的世界》中，据 Vals AI 称，此前没有任何 AI 系统达到过 Astra 的进度。它在 141 小时后被 Vals AI 叫停，期间在 下界建起半自动烈焰人农场，在诡异森林击杀超过六只末影人，并集齐制作末影之眼所需材料。直播中数千人观看它把战利品放入箱子，随后一只 苦力怕炸毁了箱子和床，物品尽失，且当时开始下雨。Astra 记下一条部分大写的笔记：「永远随身携带关键物品」，并称不要再把物品存放在无人看管的箱子里。此后它花了数小时几乎只种土豆。
这一表现与 ARC-AGI-3 基准的结果相呼应。该基准把模型放入陌生抽象游戏环境，要求其通过自身行动推断规则。Astra 在标准接口下得分 62.7%，在 OpenAI 自有测试框架下约 99.9%；GPT-5.6 Sol 为 7.78%，Claude Opus 5 略高于 30%。ARC Prize 解释称，Astra 能把不熟悉的游戏机制转化为紧凑的符号描述，并用自创的简写跟踪物体、坐标、规则与计划动作，观察变成规则、规则变成计划。
这一思路并非全新。2023 年由英伟达与加州理工参与的研究项目 Voyager 曾让 GPT-4 在《我的世界》中提出任务、编写 JavaScript 代码并根据报错修改，把可用程序存入技能库，但它从未「看到」游戏画面，而是通过结构化数据和 Mineflayer 接口操控。Vals AI 的《我的世界》运行则通过通用计算机操作，即屏幕、鼠标与键盘，没有专用游戏接口。研究者过去围绕模型搭建的框架，Astra 如今自行完成。
《辐射 3》的运行也呈现类似结构。用户 imjustnewatai 在 YouTube 发布完整过程，自己完成 101 号避难所开场后将存档交给 OpenAI 的智能体工具 Codex，Astra 设为最高推理级别，自行选择路线与行动，经历银河新闻电台、寻找父亲、G.E.C.K.、逃离乌鸦岩、净水计划等节点，以暂停、观察、行动的循环通过正常游戏输入推进，允许存档、同伴与快速旅行，约 59 小时后制作人员名单滚动。
ARC Prize 描述的模式在 87 号避难所一段最为明显：角色多次死亡、弹药耗尽，Astra 不得不回撤治疗。它没有重复无效动作，而是寻找原因并记录结果。例如床起初未响应，它让游戏运行片刻后重试，并报告生命值已完全恢复至 260/260；射击屡屡未中，它判断有障碍物遮挡，靠近后记录「靠近清除了此前影响射击的障碍」；在键盘锁前，它等到游戏确认按键后才继续。Astra 最终把这些归纳为一条原则：在重复输入前先确认它是否生效。这看似简单，却是防止智能体陷入无效循环的关键，也可能成为后续行为问题的起点。