Gerade ist GPT-6 Astra an die Spitze gelangt.

Der Kampf um AGI ist noch nicht vorbei, und der nächste Wettbewerb hat bereits begonnen!

Als GPT-6 Astra vorgestellt wurde, hat es sofort alle Ranglisten dominiert und kein anderes Modell kann ihm das Wasser reichen.

Heute wurden die Ergebnisse des neuesten 3D-Raumschluss-Benchmarks MazeBench veröffentlicht, Astra hat über 60 Stunden lang gerechnet und 14% erreicht, damit steht es wieder auf Platz 1.

Schließlich hat Jensen Huang persönlich dafür eingestanden, dass OpenAI das weltweit erste Team ist, das AGI erreicht hat.

Inzwischen hat sich noch niemand von der Erschütterung durch GPT-6 Astra erholt, und eine Welle neuer Anwendungsfälle taucht auf —

Zellmodelle erstellen, Teile anhand eines Videos entwerfen, Geräusche aus Spektrogrammen erkennen...

Das ist erst das "Monster", das mit 100.000 GPUs trainiert wurde. Wenn man 400.000 GPUs dafür einsetzt, kann man sich kaum vorstellen, wie überragend die nächste Generation von GPT sein wird.

GPT-6 dominiert Ranglisten im Bereich räumliches Schlussfolgern

Erzielt den Höchstwert von 14%

Der Test MazeBench ist eine 3D-Welt, die Jonathan Pappas und David Pappas Ende Juli erstellt haben.

Luftaufnahme der Welt von MazeBench, die gelbe Figur ist der Agent

Es gibt insgesamt mehr als 200 Räume, in denen 100 Edelsteine versteckt sind, jeder Edelstein gibt einen Punkt, die maximale Punktzahl beträgt 100.

In den Räumen gibt es nur Rätsel im Stil von "Schieberätseln", dazu kommen Aufzugplatten, schaltbare Wände und rutschige Eisflächen. Wenn man in einen Abgrund fällt, kann man nur den Vorgang rückgängig machen, zurücksetzen oder zu bereits besuchten Räumen teleportieren.

Grün steht für den Spieler, Blau für die Kisten

In diesem Level zum Beispiel muss man die blaue Kiste in den schwarzen Abgrund schieben, um eine Brücke zu bauen, damit man hindurchgehen kann.

Die Kamera kann nach oben, unten, links und rechts gedreht werden, um dieselbe Szene aus 20 verschiedenen Winkeln zu betrachten.

Links: 3D-Ansicht; Rechts: Der Text, den das Modell tatsächlich sieht

Die Edelsteine sind genau an solchen Stellen versteckt.

Das Modell erhält über MCP nur 11 Aktionen: 4 Bewegungen, 4 Kameradrehungen, dazu Rückgängigmachen, Zurücksetzen und Teleportieren.

Die Schwierigkeit liegt darin, dass ein Rätsel oft mehr als 100 Schritte Planung erfordert. Außerdem handelt es sich um echtes 3D: Dieselbe Wand sieht von oben betrachtet ganz anders aus als von der Seite.

Das Ergebnis war, dass bei der Veröffentlichung Ende Juli selbst die besten Agenten die ersten Level nicht verlassen konnten.

Damals erreichte GPT-5.6 Sol mit Python 13%, Fable 5 11% und Opus 5 9%. Ohne Python kam keines über 1% hinaus.

Dann kam Astra: Ohne Python zu nutzen, erreichte es direkt 14%.

Man kann sagen, dass GPT-6 Astra im Bereich des 3D-Raumschlusses nicht mehr auf derselben Ebene wie alle vorherigen Agenten liegt.

Das folgende Bild zeigt die Erkundungs-Heatmap von Astra und Fable 5.1: Fable 5.1 hat nur eine kleine Runde in der Ecke gedreht und dann angehalten, während Astra fast die gesamte Karte durchsucht hat.

Um Tokens zu sparen, hat das Testteam GPT-6 dazu gebracht, "Aktionen stapelweise auszuführen", statt nach jedem Schritt eine Rückmeldung zu geben.

Als Ergebnis kann es jedes Mal 10 bis 20 Schritte vorausschauen, wodurch die ursprünglich benötigten 3 Milliarden Token auf 350 Millionen reduziert wurden.

Im Test des "Hua-Rong-Dao"-Puzzles hat dieser Stapelmodus die Kosten von Astra um zwei Drittel gesenkt, allerdings hat sich die Denkzeit um 60% verlängert.

Andererseits hat Astra noch einen langen Weg vor sich, um die harten Herausforderungen von MazeBench wirklich zu meistern.

ARC-AGI 3 hat es bereits auf 99,9% gebracht, aber bei MazeBench hat selbst das stärkste KI-Modell nur 14 Edelsteine gesammelt.

Denn Astra hat eine Schwäche im Bereich des 3D-Raumverständnisses.

Es neigt dazu, die Level aus der Vogelperspektive zu betrachten, wodurch Wände, die nur in der 3D-Ansicht sichtbar sind, direkt als unsichtbare Wand behandelt werden.

Die Anfänger-Tutorial-Level kann es noch durchlaufen, aber sobald es auf 3D-Rätsel mit mehr als drei übereinander gestapelten Blöcken trifft, kommt es sofort ins Stocken.

Neben dem Testen von Benchmarks haben Entwickler im gesamten Internet bereits praktische Aufgaben an GPT-6 Astra übergeben und eine Welle neuer Anwendungsfälle entdeckt.

Die neue "Nutzungsweise" von Astra

Überwältigend leistungsstark

Heute Morgen hat Greg, Präsident von OpenAI, auf einmal mehrere beeindruckende Demos von GPT-6 Astra geteilt.

Keines davon ist reine Schauerei, sondern zeigt, wie Astra reale Probleme löst.

Es hat das Problem mit den Haaren in der Duschablage gelöst

Der Experte Daniel Griesser sagte offen: "Gestern habe ich wirklich erlebt, was AGI bedeutet!"

Die Aufgabe, die er GPT-6 Astra gestellt hat, ist sehr alltäglich.

Daniel hat ein 4-minütiges Video aufgenommen, in dem er sich beschwert, dass die Duschablage im Badezimmer ständig von Haaren verstopft wird und es zu eklig ist, sie zu reinigen.

Er hat die Teile mit einem digitalen Messschieber vor der Kamera ausgemessen und dann das Video direkt an Astra Ultra geschickt: "Denk dir eine Lösung dafür aus."

Die anschließende Vorgehensweise von Astra ist einfach großartig: Es zerlegt das Video, hört gleichzeitig seine sprachliche Beschreibung und gleicht jede Bewegung des Messens in den Einzelbildern perfekt ab.

Am Ende hat es nicht nur ein Designvorschlag geliefert, mit dem man Haare leicht reinigen kann, sondern zuerst eine interaktive Skizze ausgegeben, die Daniel bestätigen soll.

Nach der Bestätigung der Skizze hat Daniel Astra direkt angewiesen, über die Funktion "Computer-Nutzung" den PC zu übernehmen und selbst in Fusion 360 zu zeichnen.

Er saß nur daneben und hat zugesehen, wie die KI die Teile Schritt für Schritt erstellt, und zwar vollständig parametrisch modelliert.

Dabei hat er sogar ein paar versteckte Tricks von Fusion gelernt.

Nach Abschluss der Modellierung hat er nebenbei gesagt "Füge eine Fase hinzu", dann hat er das Modell an den 3D-Drucker geschickt. Das gedruckte Teil passte perfekt auf die Ablage, als er es zum ersten Mal angebracht hat!

Dazu sagte Daniel: "Das ist zwar keine hochtechnisierte Spitzenleistung, aber es löst wirklich ein großes lästiges Problem."

Am wichtigsten ist, dass es viel schneller geht, als wenn man selbst zeichnet.

3D-Molekülinteraktion mit einem Klick simulieren

Der Entwickler Andrew Aiginin hat nach dem Ausprobieren ebenfalls ausgerufen: "GPT-6 Astra ist unglaublich leistungsstark".

Am Tag zuvor hat er Astra dazu gebracht, ein Zellmodell zu erstellen, am nächsten Tag hat er es gebeten, zu erklären, wie Ozemp