Vals AI 用《我的世界》拷问 GPT-6 Astra 141 小时:炸掉一只箱子,AI 就缩进田里种土豆不出来了

第三方评测机构 Vals AI 用《我的世界》对 OpenAI 的 GPT-6 Astra 做了 141 小时连续自主游玩直播,前半程表现稳定,但一只爬行者炸掉营地储物箱和重生床后,Astra 放弃冒险,连续数小时只种土豆。这暴露了长任务智能体在遭遇意外损失后的恢复能力短板。

第三方评测机构 Vals AI 用《我的世界》对 OpenAI 的 GPT-6 Astra 做了 141 小时连续自主游玩直播,前半程表现稳定,但一只爬行者炸掉营地储物箱和重生床后,Astra 放弃冒险,连续数小时只种土豆。这暴露了长任务智能体在遭遇意外损失后的恢复能力短板。

据路透社报道,OpenAI 首席执行官 Sam Altman 将于下周在联合国安理会作通报,把前沿大模型的治理议题直接带到国际安全层面。这类场合通常讨论的是冲突、武器扩散与全球稳定,AI 公司掌门人登上这个讲台,说明大模型的能力与风险已经进入国家安全议程。

一位工程管理者在 2026 年 9 月 20 日发布的个人博客中,讲述自己从 Copilot 早期布道者到对 AI 产生怀疑的转变,起因是上司反复要求他“喝下 AI 这杯 Kool-Aid”,以及一次与人类同事通话时看到的疲惫。

SpaceXAI 已开放 Grok Bot 早期公开测试,这是一个能登录 Gmail、LinkedIn、Salesforce 等工具并代替你执行发邮件、填表单、回帖等操作的 AI 智能体平台,需要付费订阅才能使用。

Figure AI 创始人兼 CEO Brett Adcock 在 Salesforce Dreamforce 大会上称公司正在"构建一个新物种",把具备机上智能的人形机器人定位为替代体力劳动的通用方案。这一说法把行业争论从"机器换人"推到"造智能物种"的层面,也让 Figure 的量产时间表更受关注。

设计师 Emil Kowalski 整理的一套 AI Agent Skills 在开发者社区走红,其中「Apple Design」把 Apple WWDC 的界面与动效原则变成 AI 可执行的指导,让大模型写出的界面更有设计品味。项目在 GitHub 上的 Star 数已接近 4 万。

一条关于 AI Agent 的提示词玩法在 X 上获得超过 54 万次浏览——用户给 AI Agent 一张容器图片,要求它“根据你知道的关于我的一切,把这个容器两面都填满”,得到的结果被描述为“很有意思”。这折射出一个越来越明显的趋势:AI Agent 正在把用户的历史对话和记忆当作真正的输入素材来使用。

一位 25 岁的 AI 博主公开自述月入 15 万元,核心方法论只有“抄”——复制已经被验证过的内容路径,而不是从零原创。这套说法在 X 上获得 4.4 万次浏览,也引来了“慢工出周期”的反驳。

一条在 X 上获得 42 万余次浏览的推文,把一部名为《舔狗2应有尽有》的 AI 生成短剧推到了大众视野。它用"出轨、绿帽伦理、真实改编"等标签吸引点击,同时也暴露出 AI 短剧在内容尺度和平台分发上的现实处境。

有开发者用同一套贪吃蛇决策任务对比了本地 421M 开源模型 Laya 和云端 API Jev 1.13.0,Laya 在决策频率和延迟上明显占优,本地推理的实时性优势被直接量化了出来。