AREX Feed Article
GPT-6 Astra 自主通关《Portal》：全程约 24 小时，token 成本估算 571 美元
OpenAI 旗舰模型 GPT-6 Astra 自主打完了 Valve 的 3D 解谜游戏《Portal》：3,336 次工具调用，按 API（应用程序接口）计价估算的成本 571.18 美元，游戏一路推进到制作人员名单。宣布结果的是实验发起人 CozyBlaze（X 账号 @cozyblazex）。他在 UTC 时间 9 月 5 日深夜（北京时间 9 月 6 日早上 7 点 40 分）称，GPT-6 Astra「已经自主通关 Portal」，「我没想到这一天来得这么快，但很高兴我们取得了这么大的进展」，随即把这次通关与 OpenAI 在 2016 年提出的技术目标联系到一起：「用单一智能体解决各种各样的游戏」。
于 9 月 7 日报道此事：OpenAI 的 GPT-6 Astra 自主通关《Portal》、24 小时完成、token（词元）花费约 571 美元。该媒体把 CozyBlaze 描述为一位热衷 AI 与 LLM（大语言模型）的爱好者。通关结果、时长与成本数字均出自 CozyBlaze 在 X 帖文与 公布的数据，Tom's Hardware 的报道即以此为口径。他公开了控制代码、游戏配置和脱敏后的会话日志。
模型思考时，游戏一直暂停着
模型的「手」与「眼」都经过一层工具封装。据 Tom's Hardware 引述，CozyBlaze 的解释是：模型通过 MCP（Model Context Protocol，模型上下文协议）加一个改造过的 SourcePauseTool 控制游戏，「模型思考时游戏保持暂停；一旦模型发出输入序列，SPT 就取消暂停并执行」。思考期间，模型收到游戏截图和玩家角色的位置信息，随后游戏恢复，Astra 执行计划好的输入。这也是为什么剪掉停顿的版本只有约 2 小时，而完整录像（VOD）合计约 24 小时。
他在 里写得更细：每轮循环都是先看截图、玩家位置与视角，再决定镜头转向、按键与每个动作的持续时间，执行输入后暂停检查结果。可控制的动作包括行走、跳跃、下蹲、使用物体和发射传送门。Codex 把 JavaScript 计划发给本地 MCP 服务，服务只被允许通过 127.0.0.1:27182 与游戏进程内的 SPT 通信；一份计划最多包含 1,000 步、6,600 个 tick（约 99 秒），自动截图会压缩到 360 像素高。
文档也公开了几个容易被当成「作弊」的设置：游戏以 sv_cheats 1 启动，以便调用调试与测试命令；滑动相关参数被调低，理由是让操控更精确；游戏以约 67 tick/秒运行。仓库主页面写明，实验期间 Web 搜索和通用 shell/浏览器工具均被禁用，模型无法现场检索攻略。
游戏内 1 小时 53 分，实际跑了 23 小时 38 分
通关帖画面里有两个计时器，CozyBlaze 后来在里说明：左下角的 1:53:37 是游戏内计时，不包含暂停；右上角的 23:38:19 才是实际耗时。Astra 真正执行操作的时间不到两小时。
仓库附带的给出了完整时间线：会话开始于旧金山时间 9 月 4 日 17:00:35（北京时间 9 月 5 日早上 8 点），完成事件发生在 9 月 5 日 16:43:09（北京时间 9 月 6 日早上 7 点 43 分），全程约 23 小时 43 分，其中包含容量错误导致的中断与等待。CozyBlaze 说明，遇到容量错误后他恢复了会话并切换到 Fast 模式；除最初的指令外，他对模型的唯一额外要求是「让制作人员名单放完」。
通关过程在他的 X 时间线上留有一串节点：北京时间 9 月 5 日上午，他称 Astra 不到两小时就通过了 chamber 10、刷新先前纪录；当晚，；9 月 6 日清晨，他发出题为「Astra vs. GLaDOS showdown」的，约 40 分钟后宣布通关。在测试室之外，模型还要打完与 GLaDOS 的尾声交手，才看到制作人员名单。
571 美元只是估算：真实账单是 200 美元月费
571.18 美元不是一笔真实的 API 扣款。CozyBlaze 在澄清帖里说明，这个数字来自 ccusage 的估算，他实际支付的是每月 200 美元的 Codex Pro 订阅费；所谓 token 成本，是按单价换算出来的按量付费标价，实验本身消耗的是订阅额度。
在转述时把它概括为「一次令人印象深刻但昂贵的进步证明」，并调侃以 571.18 美元通关一款游戏，大概不是最有性价比的打法。Tom's Hardware 文章评论区，署名 usertests 的读者以养孩子作比：「把一个孩子养到成年要花好几万美元（取决于生活水平），所以这个结果还不错。」
2016 年目标与「最差模型」的调侃
宣布帖开头提到的 2016 年技术目标，在 Tom's Hardware 的表述里是 OpenAI 在 2016 年就立下的原始愿景。CozyBlaze 承认这次通关远不是终点：紧接着的里写道，「还有很多问题要解决，严格说它并不算一个基准测试，但看着一个通用智能体自主导航、一路走完整个游戏，感觉像是那个原始愿景开始变成现实的一瞥」。
他还自我调侃：「这是我们能拿到的『最差』模型了，也许一切真的都能塞进 transformer 这个洞里」，并会把去掉思考段的通关画面传到 YouTube。Tom's Hardware 报道称，GPT-6 Astra 本月初刚成为 OpenAI 的旗舰模型；OpenAI 声称它提供「新一代的智能」，并在计算机使用、浏览、软件工程、网络安全、科学和专业工作方面达到最先进水平。
训练数据之问，与下一场测试
对这次成绩的质疑集中在训练数据上：模型会不会只是「背过」《Portal》的攻略？Tom's Hardware 文章下方的读者评论里，署名 killerbishop 的用户直接发问：「模型是否接触过《Portal》的攻略、解谜图片或其他此前训练用过的数据？如果有，说它纯粹靠观察解开谜题就不那么有说服力了。MCP 命令也许能帮它知道该输入什么，但如果它只是把这些映射到 GameFAQs 的攻略上，我不确定这在新型学习能力上算多大的飞跃。」
同样的问题出现在 X 的引用转发里。用户 写道：「不错，但我们说的『自主』到底有多自主？它是不是查了一堆攻略？训练数据里已经有多少遍通关录像？它能解决一个它第一次见到、完全陌生的 Portal 吗？」
CozyBlaze 在里给出了直白的回答：Web 搜索确实被禁用了，「但在我的测试里，它仍能非常详细地回忆起解法」。
更技术化的批评来自开发者 Ricquert（据其 X 账号简介，自称前资深软件工程师、现从事主机游戏移植与优化）。他在里列出四点：用 dll 注入暂停游戏、开着作弊开关改游戏物理、直接读取游戏内存、模型会说出训练集里才有的事情。其中「改物理」一条与 CozyBlaze 自己公开的文档部分吻合：文档写明游戏以 sv_cheats 1 运行、调低了滑动参数，目的是让操控更精确。「注入与读内存」则是 Ricquert 对 SourcePauseTool 实现方式的判断。
Founders Fund 合伙人 （据其 X 账号简介）也在这条通关帖的引用区晒出另一段演示：他让 Astra 玩通了 Atari 老游戏《Montezuma's Revenge》的前三关，「为了控制 token 用量只玩到第三关」，并认为这「已经足够让我认为它基本上是 AGI 级别的计算机使用了」。被问到接下来让 Astra 玩什么时，CozyBlaze 回答：，但他觉得在自定义的新关卡上测试会更有意思。