GPT-5 прошла «Покемонов» для Game Boy за семь дней — это лучший результат среди всех «игравших» моделей

Она делала меньше ненужных шагов, пишут те, кто смотрел трансляцию на Twitch.

Проект «GPT-5 Plays Pokemon» запустил энтузиаст, «не связанный» с OpenAI. Модели дали управлять виртуальной приставкой для игры Pokemon Red 1990-х. В левой части экрана транслируются её «мысли» во время боёв и решения головоломок.

Скринкаст vc.ru

Она прошла игру за семь дней и 6470 действий. o3 от OpenAI понадобилось 15 дней и 16 тысяч шагов — иногда она не могла понять, куда идти или как обойти препятствие.
Первый такой стрим запустила компания Anthropic. Она тестировала «рассуждающую» Claude 3.7 Sonnet на умение адаптироваться в новой среде и «стрессовых» ситуациях вроде битв, где нужна быстрая реакция. Claude доходил до последнего уровня, но не до победы.
Gemini 2.5 прошла версию Pokemon Blue примерно за 30 дней.
Исследователи заметили у неё поведение, похожее на «панику», она хуже «рассуждала» и нажимала кнопки «случайным образом» во время битв.

Проводят выборы в Minecraft, но не могут играть в Doom и «Цивилизацию»: тесты ИИ-моделей в играх

Anthropic, Google и частные исследователи анализируют, как модели решают головоломки в одиночку и работают в команде.