GPT-6 Astra completa Portal de forma autónoma tras 3.336 acciones
Índice de contenidos
Claves de la noticia
- El agente terminó Portal sin pistas humanas mediante capturas de pantalla y una interfaz de control.
- Necesitó 3.336 llamadas a herramientas y acumuló 571,18 dólares en precios de API.
- El juego permanecía pausado mientras razonaba: hubo unas dos horas de acción, pero casi 24 horas de ejecución total.
Un experimento conectó GPT-6 Astra al videojuego Portal mediante capturas y controles, y el modelo llegó al final sin indicaciones humanas. La partida costó 571,18 dólares y ocupó casi 24 horas al contar el tiempo de razonamiento.
No jugó en tiempo real, pero sí cerró el ciclo
El creador conocido como cozyblaze conectó GPT-6 Astra con Portal mediante un protocolo de herramientas y una versión modificada de SourcePauseTool. El modelo recibía capturas, examinaba la escena, enviaba una secuencia de controles y observaba el nuevo estado. Sin intervención humana ni pistas durante la ejecución, completó todas las cámaras del juego. El resultado demuestra planificación visual y corrección de errores a lo largo de una tarea extensa.
La partida publicada puede parecer de unas dos horas porque elimina las pausas. En realidad, el juego se congelaba mientras el modelo pensaba y el proceso completo rozó las 24 horas. Esa distinción impide presentarlo como jugador en tiempo real. Astra no reaccionó con la latencia de una persona: convirtió un entorno continuo en una secuencia de decisiones discretas, parecida a un juego por turnos.
La autonomía significa aquí que ninguna persona eligió los movimientos durante la partida. No significa que el entorno fuera natural: el creador preparó la conexión, las herramientas y las condiciones para que el modelo pudiera actuar.
El coste mide acceso, no electricidad
La ejecución consumió 3.336 llamadas a herramientas y acumuló 571,18 dólares según los precios de API. La media simple es de unos 17 centavos por acción. Esa división no refleja acciones iguales: algunas requieren más contexto y razonamiento. Tampoco representa el coste eléctrico o marginal de OpenAI, porque el precio incluye infraestructura, desarrollo y margen. Sí describe lo que pagaría un usuario con acceso equivalente.
Comparar esa cantidad con el precio del videojuego produce una broma eficaz, pero oculta el objetivo. El experimento no buscaba ahorrar trabajo de entretenimiento; probaba si un agente puede mantener estado, percibir geometría y actuar durante miles de pasos. Para automatización real, el mismo coste solo sería justificable si evita una tarea humana más cara o genera evidencia difícil de obtener de otro modo.
La curva de precios puede bajar con modelos más eficientes. Aun así, publicar llamadas y coste desde ahora permite comparar avances futuros sin depender únicamente de una impresión visual del vídeo.
Portal es una prueba exigente y también conocida
Las cámaras obligan a comprender relaciones espaciales, colocar dos portales, conservar impulso y encadenar acciones con precisión. Modelos anteriores podían describir soluciones y aun así fallaban al ejecutarlas. Astra corrigió movimientos, orientó la cámara y avanzó hasta el final. Ese salto en control es significativo para agentes que deben operar interfaces, simuladores o aplicaciones visuales sin una API diseñada a medida.
Pero Portal apareció en 2007 y dispone de innumerables guías, vídeos y transcripciones. Es probable que el entrenamiento contenga información sobre sus puzles. El experimento no separa memoria de razonamiento novedoso. Incluso con una solución conocida, traducirla a coordenadas y pulsaciones requiere capacidad; para medir generalización harían falta niveles secretos, mapas modificados o juegos fuera del corpus.
El arnés forma parte del resultado
La versión usada aportaba coordenadas del jugador y empleaba el nuevo sistema de gestión de contexto de Astra. Esas ayudas no invalidan la prueba, pero muestran que el rendimiento pertenece al conjunto modelo, herramientas y arnés. Una persona recibe equilibrio, visión continua y controles físicos; el agente recibió estados congelados y datos estructurados. Comparar tiempos directamente confundiría interfaces diferentes.
Esta es precisamente una lección útil para empresas. Un modelo capaz puede fracasar si la herramienta entrega observaciones ambiguas o pierde el estado. Diseñar puntos de control, acciones reversibles y telemetría suele importar tanto como escoger el modelo. Portal ofrece un laboratorio visible: cuando el agente se equivoca, el espectador identifica la causa. En procesos administrativos, errores parecidos pueden quedar ocultos tras una respuesta textual convincente.
De los videojuegos a las pruebas de software
Una capacidad de navegación visual podría emplearse para recorrer aplicaciones, reproducir fallos y ejecutar pruebas de extremo a extremo. Los juegos contienen estados claros, objetivos y consecuencias, por lo que funcionan como banco de ensayo. Sin embargo, una prueba profesional exige repetibilidad y coste bajo. Veinticuatro horas y cientos de dólares por recorrido no compiten todavía con scripts deterministas para una interfaz estable.
El valor aparece donde escribir el script cuesta más que razonar sobre cambios frecuentes, o donde una persona debe interpretar imágenes y adaptar el plan. Los siguientes experimentos deberían publicar tasa de éxito en varias ejecuciones, consumo de tokens, errores y resultados sobre niveles no vistos. Completar Portal es una demostración memorable, no una medida universal de inteligencia. Su mérito concreto es sostener 3.336 decisiones hasta un objetivo final sin que una persona tomara el mando. Repetir la prueba con mapas invertidos y reglas modificadas ayudaría a separar ejecución flexible de conocimiento memorizado.
