GPT-6 Astra spilte Portal til rulleteksten på 23 timer og 43 minutter

Portal står stille mens agenten tenker. Det er hele trikset i oppsettet utvikleren cozyblaze brukte da GPT-6 Astra spilte seg gjennom Portal fra start til rulletekst uten menneskelig hjelp etter at det opprinnelige målet var satt, skriver The Decoder. Kjøringen tok rundt 23 timer og 43 minutter. README-en i repoet cozyblaze/portal-agent daterer rulleteksten til 5. september 2026, San Francisco-tid.

Arkitekturen er verdt å se på for alle som har prøvd å la en modell styre noe som ikke venter på den. Astra sender en plan til en lokal MCP-server, som snakker over TCP med en modifisert utgave av SourcePauseTool. Verktøyet lar spillet gå et bestemt antall ticks og setter det så på pause igjen. Under hver pause får agenten et skjermbilde, spillerens posisjon og kameravinkelen, velger sine inndata, og lar spillet fortsette før den sjekker resultatet. Videoen The Decoder viser, har pausene klippet bort.

Kostnaden er den delen som skalerer dårligst. The Decoder anslår tokenbruken til minst 570 dollar til Astras listepris, men cozyblaze kjørte det på et Codex-abonnement til 200 dollar. Modellen kjørte med resonneringsnivået satt til «max».

«Den verste modellen vi noen gang kommer til å få.» — cozyblaze om GPT-6 Astra, gjengitt av The Decoder

Autonomien har et par forbehold som er lette å miste i overskriften. I README-en skriver cozyblaze at kjøringen ble avbrutt av kapasitetsfeil underveis, at den ble gjenopptatt manuelt og byttet til Fast-modus, og at den eneste ekstra instruksjonen etter det opprinnelige målet var å la rulleteksten gå. Selve spillingen håndterte agenten gjennom hele løpet.

Cozyblaze knytter kjøringen til målet OpenAI satte seg i 2016 om å løse mange ulike spill med én enkelt agent. Det som er nytt her, er ikke at en modell klarer et puslespill, men at et spill som Portal, med romlig resonnering, portalfysikk og flere titalls kamre, lar seg dele opp i en sekvens av tilstandsvurderinger uten at noen bygger et spesialtilpasset agentskall for hvert kammer.

Kontrollerkoden ligger under MIT-lisens i repoet, SourcePauseTool beholder sin opprinnelige lisens, og en renset øktlogg med agentens meldinger, handlinger og resultater er lagt ved. Spillfilene følger ikke med. For deg som bygger agenter mot systemer i sanntid, er poenget mekanismen framfor rekorden: klarer du å innføre en pause der miljøet venter på modellen, forsvinner latensbudsjettet som ellers avgjør om agenten i det hele tatt kan delta.