OpenAI च्या GPT-6 Astra ने त्याच्या रेकॉर्डमध्ये एक असामान्य ट्रॉफी जोडली आहे: Valve च्या आयकॉनिक फर्स्ट पर्सन पझलर पोर्टलचा संपूर्ण प्लेथ्रू, $571.18 च्या एकूण गणना खर्चात 24 तासांखाली स्वायत्तपणे पूर्ण झाला. The Verge ने 6 सप्टेंबर 2026 रोजी मैलाचा दगड नोंदवला, cozyblaze म्हणून ओळखल्या जाणाऱ्या वापरकर्त्याला श्रेय दिले, ज्याने फ्रंटियर मॉडेलला गेमपर्यंत वायरिंग केले आणि बाकीची माहिती दिली.

एआय एजंटचे वय असूनही पोर्टल ही एक मागणी करणारी चाचणी आहे. 2007 मध्ये वाल्व्हने रिलीज केलेल्या, गेममध्ये खेळाडूंनी पोर्टल गनचा वापर करून अवकाशीय कोडी सोडवणे आवश्यक आहे — जे नियमितपणे अंतर्ज्ञानाला नकार देणाऱ्या चाचणी कक्षांमधून जाण्यासाठी भिंती, मजले आणि छतामध्ये जोडलेले ओपनिंग तयार करतात. झुकण्यासाठी कोणतेही लढाऊ पीस नाही आणि अनुसरण करण्यासाठी कोणतेही शोध चिन्ह नाही; प्रत्येक कक्ष हे मूलत: भौतिकशास्त्राचे कोडे आहे. फ्रंटियर मॉडेल्सची तणाव-चाचणी कशी केली जात आहे याचे अनुसरण करणाऱ्या वाचकांसाठी, ही धाव आमच्या एआय डेव्हलपमेंट कव्हरेज मध्ये एक ज्वलंत प्रवेश आहे.

डेमो व्हिडिओ पासून पूर्ण पूर्ण होईपर्यंत

धावपळ कुठूनच आली नाही. याआधी 6 सप्टेंबर रोजी, हॅकर न्यूजवर GPT-6 Astra प्लेइंग पोर्टल दर्शविणारा YouTube व्हिडिओ प्रसारित झाला आणि एक फॉलो-अप पोस्ट लक्षात घेते की मॉडेलने "स्वायत्तपणे पूर्ण" केले आहे, जसे की दिवस पुढे जात होता. द व्हर्जच्या अहवालाने तपशिलांची पुष्टी केली: संपूर्ण गेम, 24 तासांपेक्षा कमी कालावधीत, गणनेत $600 पेक्षा कमी - संशयितांसाठी प्रकाशित केलेल्या धावण्याच्या संक्षेपित व्हिडिओसह.

द वर्ज बिलाच्या पर्यावरणीय बाजूचे प्रमाण ठरवण्यास विरोध करू शकला नाही, कारण रनने डेटा सेंटर कूलिंगमध्ये अंदाजे लहान स्विमिंग पूलचे पाणी वापरले असावे. हे एक स्मरणपत्र आहे की एजंटिक गेमिंग रन वापरकर्त्यासाठी स्वस्त आहेत परंतु ग्रहासाठी विनामूल्य नाहीत.

2007 पझलर हा एक गंभीर बेंचमार्क का आहे

बीटिंग पोर्टल हा एआरसी-एजीआय किंवा एसडब्ल्यूई-बेंच सारखा शेड्यूल केलेला बेंचमार्क नाही आणि म्हणूनच अंशतः तो प्रतिध्वनित होतो. गेमला नेमक्या कौशल्यांची मागणी आहे ज्याने ऐतिहासिकदृष्ट्या मानवांना एआय सिस्टमपासून वेगळे केले आहे:

  • स्थानिक तर्क. सोल्यूशन्सना अंदाज लावणे आवश्यक आहे की पोर्टल एक्झिट खेळाडूचे शरीर कोठे लाँच करेल — त्रि-आयामी भौतिकशास्त्र तर्क ज्याने एजंटला वर्षानुवर्षे ट्रिप केले आहे.
  • दीर्घ-क्षितिज नियोजन. चेंबर्स साखळी अनेक पायऱ्या; अंतिम पायरी अयशस्वी होणे म्हणजे सामान्यतः सुरुवातीपासून क्रम पुन्हा करणे.
  • हात न धरता अपयशातून शिकणे. कोणतेही संकेत नाहीत. एजंटने चाचणी आणि त्रुटीद्वारे गेमच्या नियमांचे अनुमान काढणे आवश्यक आहे, नंतर त्यांना नवीन चेंबरमध्ये सामान्यीकृत करणे आवश्यक आहे.

या वर्षाच्या सुरुवातीला, OpenAI च्या GPT-6 Astra ने एजंटिक तर्कावर लक्ष केंद्रित केलेल्या ARC-AGI-3 बेंचमार्कमध्ये अव्वल स्थान पटकावले आहे आणि मॉडेलने संगणक-वापर क्षमतांकडे लक्ष वेधले आहे - सॉफ्टवेअर इंटरफेस एखाद्या व्यक्तीप्रमाणे ऑपरेट करण्याची क्षमता. पोर्टल रन हे त्याच कौशल्य संचाचे एक खेळकर पण अस्सल प्रात्यक्षिक आहे: समज, नियोजन आणि नियंत्रण, मानवी हस्तक्षेपाशिवाय तासन्तास अनरोल केलेले.

एका व्यापक लाटेचा भाग

2026 मध्ये एआय गेमिंग कुठे पोहोचले आहे याचेही दौड हे लक्षण आहे. बेंचमार्क स्कोअर आता सांस्कृतिक टप्पे असलेले स्थान सामायिक करतात: बाख कोरलेस तयार करणारे मॉडेल, हस्तलिखीत-सुधारणा ओळखीच्या चाचण्यांवर मात करणे आणि "संगणक कधीही असे करणार नाही" या वाक्यांशासाठी उभे असलेले गेम पूर्ण करणे. प्रत्येक पास एक जुनी खात्री दूर करतो आणि पुढील काय असेल असा प्रश्न उपस्थित करतो.

व्यावहारिक परिणाम देखील आहेत. तोच लूप जो कोझीब्लेझच्या सेटअपला पोर्टलला चालना देतो — काही शंभर डॉलर्सच्या खर्चात स्क्रीनशॉट, निर्णय बाहेर — सॉफ्टवेअर चाचणी, रोबोटिक्स आणि संगणक-वापर सहाय्यकांसाठी उत्पादन केले जात आहे. संपूर्ण प्लेथ्रूसाठी गेमचे भौतिकशास्त्र लक्षात ठेवू शकणारे मॉडेल, तत्त्वतः, लहान-संदर्भ प्रणालींना पराभूत करणाऱ्या लांब, गोंधळलेल्या सॉफ्टवेअर टास्कमधून बारीक करू शकते.

आत्तासाठी, तथापि, टेकअवे सोपे आहे. नवीन GPU च्या डिपॉझिटच्या किंमतीबद्दल AI ने गेमिंगच्या सर्वात प्रिय कोडींपैकी एक सोडवला, समाप्त करण्यास प्रारंभ केला — आणि व्हिडिओ पोस्ट केला. एपर्चर सायन्सच्या चाचणी कक्षांची रचना मानवांना हुशार वाटावी यासाठी करण्यात आली होती. या शनिवार व रविवार, त्यांनी एक मॉडेल अस्खलित दिसले.

धाव कशी प्राप्त झाली

प्रतिसादाने सामान्यत: AI गेमिंग माईलस्टोनचा मागोवा घेतला: प्रथम अविश्वास, नंतर व्हिडिओ, नंतर स्वीकृती. हॅकर न्यूजवर, रनने सेटअप कसे कार्य करते आणि एजंटिक AI बद्दल काय सूचित करते हे विच्छेदन करणाऱ्यांचा एक स्थिर प्रवाह रेखांकित केला — अनेकांनी असे लक्षात घेतले की एकूण बिल अशा रनसाठी लागणाऱ्या खर्चापेक्षा कमी आहे. पूर्ण होण्याच्या कंडेन्स्ड व्हिडिओने संशयितांना स्वतःचा दावा सत्यापित करण्याचा एक मार्ग दिला, जो बहुतेक बेंचमार्क परिणाम ऑफरपेक्षा अधिक आहे.

तसेच यापूर्वी आलेल्या टप्पे यांच्याशी तुलना करण्यास आमंत्रित केले आहे. बोर्ड गेम्सपासून ते ओपन-एंडेड सँडबॉक्सेसपर्यंत रिअल-टाइम स्ट्रॅटेजीपर्यंत गेमिंगने फील्डचे सार्वजनिक सिद्ध करणारे मैदान म्हणून अनेक दशकांपासून काम केले आहे. प्रत्येक वेळी जेव्हा एखादा खेळ पडतो तेव्हा युक्तिवाद बदलतो: आजचे संशयवादी असा आग्रह धरतात की हा पराक्रम अरुंद, विशेष किंवा विशिष्ट प्रकारे सामान्यीकरण करण्यायोग्य नव्हता. त्या इतिहासात पोर्टल रन करण्याजोगी गोष्ट म्हणजे सेटअप किती सामान्य होता - एक व्यावसायिकरित्या उपलब्ध फ्रंटियर मॉडेल, एक ग्राहक गेम आणि काही शंभर डॉलर्सची गणना, गेमसाठी खास प्रशिक्षित केलेल्या बेस्पोक संशोधन प्रणालीपेक्षा.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →