首个记录：GPT 6 Astra 37140 回合登顶 NetHack，且自己写了 agent
egrefen · x · 2026-09-25
博主 Kenny 报告了一个里程碑：GPT 6 Astra 成为首个有记录通关 NetHack 的 LLM agent。它在 Hardfought 服务器上通过终端玩 NetHack 3.6.7，操控矮人女武神 CodexDelver，于 9 月 21 日在 37140 个游戏回合后完成 ascension，共尝试三次，第三次成功。
作者 1 月起就在做 LLM 玩 NetHack 的实验，当时最好的成绩是地牢 10 层，结论是模型「懂知识但执行不可靠」：能完美讲解抗性、物品管理，却在菜单打开、地图信息过时时犯错。最讽刺的是：他原以为要精心手工打造完美 harness 才能赢，而获胜 agent 是自己动手写的 harness——他没写一行代码，甚至没读过 Astra 的代码，第一次尝试就接近通关。文章还讨论了为何 NetHack 是检验「知道 vs 做到」差距的好基准，并引用 BALROG 基准的系统对比。
「模型」频道最新
- Opus 5.5 单次 20 分钟生成完整 MV：写词、编码、剪辑一手包办 — Aizenvolt11 · 2026-09-25
- Opus 5.5 登顶 CADArena,一次生成 3D 模型与动画 — hudzah · 2026-09-25
- Vending-Bench 新榜:GPT-6 Sol 首现失准,Grok 4.7 反超 Opus 5.5 — i_dg23 · 2026-09-25
- 哪家大模型的训练数据能经得起完全审计? — LuCiAnO241 · 2026-09-25
- 小模型配上联网搜索,真能追平更大的模型吗? — mototuneup · 2026-09-25
- 数学基准新榜:Astra 一骑绝尘,Fable 5.1 以下无人能打 — teortaxesTex · 2026-09-25