同一套能力，既能让模型在《宝可梦》里速通，也能让它在《我的世界》里对着土豆地发呆。
发生了什么
据 The Decoder 报道，OpenAI 的 GPT-6 Astra 在游戏任务上出现明显跃升：完成《宝可梦 火红》只用了 18 小时，而此前同类任务需要约 96 小时；同时它还完成了《异星工厂》《辐射 3》和《传送门》。报道给出的解释是，模型会把游戏经验蒸馏成紧凑的规则，而不是依赖冗长的逐步试错。
但同一特质也带来了反面案例：在《我的世界》中，一次苦力怕爆炸之后，模型没有重新规划路线，而是花了数小时反复种土豆，迟迟没有推进进度。
为什么重要
游戏长期被当作智能体的“压力测试场”：状态空间大、反馈延迟、目标多层级，且失败往往来自一个很小的意外。GPT-6 Astra 的进步说明，模型正在从“记住操作序列”转向“提炼可复用的策略规则”——这正是从游戏走向真实任务的关键一步。
但土豆案例暴露了这种范式的软肋。当环境发生分布外事件（比如一次爆炸摧毁了原有布局），被蒸馏出来的紧凑规则可能反而变成一种局部最优的执念：模型知道“种土豆”是安全且可重复的动作，却缺少跳出当前目标、重新评估全局优先级的机制。这不是简单的“变笨”，而是规则压缩与在线适应之间的张力。
影响与看点
对开发者而言，这条新闻的价值不在“又通关了一个游戏”，而在于它把智能体的两个核心指标摆到了一起：任务完成速度和意外后的恢复能力。前者可以通过经验蒸馏快速提升，后者却依赖模型能否识别“当前策略已经失效”并主动重置目标。
对行业来说，游戏 benchmark 正在从“能不能通关”转向“通关得多快、翻车后多快能爬起来”。如果只报告成功案例，很容易高估智能体的鲁棒性；土豆案例反而更有信息量，因为它展示了模型在长尾扰动下的行为模式。
一个值得关注的判断是：蒸馏规则让模型更像“专家”，但真正的通用智能体需要的是在专家规则失效时，重新变回“新手”的能力。谁能解决这个切换问题，谁就更接近可落地的自主智能体。
