GPT-5.6 Sol 用 13.5 小时游戏时间通关《异星工厂》和平模式

一句话看懂：开发者 Ryan Madden 让 GPT-5.6 Sol 在 Codex 中以低思考等级运行，用 13.5 小时游戏时间完成《异星工厂》和平模式（无虫族）通关，为观察大模型的长程规划与操作能力提供了一个可读性较高的实验样本。

事件核心：发生了什么

据作者 2026 年 10 月 31 日发布在个人博客的文章，这次运行通过一个 Python 游戏管理库让 Sol/Codex 以程序方式操作游戏，同时保留玩家手速、移动范围和战争迷雾等与人类 GUI 操作一致的限制。作者原本计划在蓝色科技阶段结束实验，但 Sol 的表现超出预期，于是继续跑到发射火箭。后期暴露了扩展性问题：Sol 未能正确连接部分生产系统，只能靠反复跨区域搬运物资“打补丁”，火箭发射实质上由大量人工式补救完成。相比此前 GPT-5.5 完全不会使用传送带的失败，这次已有明显进步。

为什么重要

《异星工厂》同时考验资源规划、产线设计和长程执行，和编程任务有相似结构，但过程对旁观者更直观。作者认为，这类自主游戏实验可以作为建立模型能力直觉的载体，帮助讨论模型在长任务中何时规划失效、何时靠局部操作掩盖结构性缺陷。需要说明的是，这只是一次非同行评审的个人实验，结果仅对应特定模型版本、低思考等级和和平模式条件，不宜外推为模型能力的稳定排名。

对用户/开发者/创作者的影响

对 Agent 开发者而言，值得借鉴的是“游戏管理库 + 限制接口”的评测思路：用受限 API 约束模型行为，能让失败模式更容易被观察和归因。对普通用户，这类实验提醒我们，大模型在长链任务中仍可能用临时手段掩盖规划短板，评估 Agent 产品时应关注其长期一致性而非单步表现。对内容创作者，带时间轴和生产统计的录屏是讲解模型行为的好素材。