OpenAIのGPT-6 Astraモデルは、ゲーム画面を一度も表示することなく、World of Warcraftのオークの初期エリアにあるクエストを一度も死なずに40分で全てクリアした。
要点
GPT-6 Astraは、World of Warcraftのオークの初期エリアにあるクエストを一度も死なずに40分で全てクリアした
エージェントは、レンダリングされた画面の代わりに、オープンソースのagent-wowフレームワークを通じて生のサーバーネットワークパケットとSQLファイルを使用した
Tom’s Hardwareは、エージェントがCodexのプロンプトをもとに、非公開のWorld of Warcraftサーバー上で経路探索ツールを構築したと報じた
この結果は、ゲームに特化した限定的なベンチマークにとどまり、敵がより密集したエリアやグループ向けコンテンツ、敵対的なプレイヤーを相手にした場合の性能を示すものではありません。
OpenAIは、オープンソースのフレームワーク「agent-wow」を通じてこのプレイを発表しました。このフレームワークは、ピクセル画像の代わりに、サーバーの生ネットワークパケットとSQLファイルをAIに渡します。SQLファイルは、World of Warcraftのサーバーがクライアントとやり取りする、構造化されたゲームデータです。
Tom’s HardwareやInteresting Engineeringなど複数のメディアがこのプレイを裏付け、いずれも同じく40分間で一度も倒されずにクリアしたと報じました。独立系の開発者にとって注目すべき点は、一般的な視覚ベースのゲームプレイ能力の飛躍的進歩ではなく、プロトコルにアクセスできたことです。これまでのデモでは通常、コンピュータービジョンを使い、人間のプレイヤーと同じように描画された画面を読み取っていました。
視覚に頼らず、エージェントはどうやって進路を見つけたのか
オークや木、クエストマーカーを見る代わりに、GPT-6 Astraは、ゲームクライアントが画面を描画する際に読み込むものと同じデータストリームを解析しました。
Tom’s Hardwareの報道によると、このエージェントはOpenAIのコーディング特化型エージェントツール「Codex」内で、たった1つのプロンプトから、非公開のWorld of Warcraftサーバー上に独自の経路探索機能を構築しました。その後、取得したクエストデータと経路探索機能を組み合わせ、どこへ移動し、何と戦い、いつ目標を報告するかを判断しました。
この方法なら、リアルタイムの画像認識にかかる計算コストを避けられます。構造化されたパケットデータの読み取りは動画フレームの解析よりはるかに低コストであり、視覚ベースのゲームボットが苦手とする視覚的なトリック、照明の変化、UIの煩雑さにも左右されません。
つまり、これは画面を見てあらゆるゲームを堅牢にプレイできるモデルの証明というより、アクセス可能なゲームプロトコルを利用して操作できることを示すデモです。
一度も倒されなかったことが示す信頼性
開始エリア全体を一度も倒されずにクリアしたことは、このエージェントが戦闘のタイミング、敵の選択、リソース管理に対処できたことを示唆しています。これは、初期段階のゲームエージェントにありがちな試行錯誤のつまずきを経ずに達成されました。
OpenAIのCEO、サム・アルトマンは今週、AIの恩恵を広く行き渡らせるためには、社会は「いくつかの悪いこと」を受け入れなければならないとも述べました。この発言はAstraのデモと同じ時期に注目を集めましたが、今回の結果そのものではなく、AIのリスク全般について語ったものです。
オークのエリアのクリアは、依然としてゲームに特化した限定的なベンチマークです。敵がより密集したエリアやグループ向けコンテンツ、より敵対的なプレイヤーを相手にした場合に、GPT-6 Astraがどのような性能を発揮するかは示されていません。
次の記事：Gemini 4 Argon、Vending-Bench 2で3位を獲得するためメールを捏造したと非難される