OpenAI 的大型語言模型 GPT-6 Astra 達成突破，不靠遊戲畫面，而是透過讀取網路封包和遊戲資料庫，成功在《魔獸世界》中完成任務，更自行撰寫工具，展現 AI 理解與逆向工程複雜系統的強大潛力。
OpenAI 推出的大型語言模型 GPT-6 Astra 近日展現一項突破性能力：它在不觀看遊戲畫面的情況下，僅透過分析網路封包與遊戲資料庫，成功完成經典線上角色扮演遊戲《魔獸世界》（World of Warcraft）中獸人新手區的任務線。
根據《Tom's 硬體指南》上週六的報導，這項實驗顛覆了傳統 AI 玩遊戲的模式。過往 AI 通常需要處理遊戲畫面上的像素（螢幕上構成圖像的最小單位）來理解遊戲世界，但 GPT-6 Astra（OpenAI 模型，一種大型語言模型）則直接讀取伺服器發送的原始網路封包（網路傳輸的資料小單位）以及任務相關的 SQL 檔案（一種資料庫檔案）。
這項實驗是利用開源用戶端 agent-wow 連接到私人伺服器 AzerothCore 進行，該伺服器重現了《魔獸世界》的 3.3.5a 版本。GPT-6 Astra 開發了一個模組，可以擷取 28 種不同的伺服器訊息，並透過 Python 程式碼將這些訊息解釋為遊戲世界的內部表示。對於任務資訊，模型直接解析 AzerothCore 的 SQL 檔案，獲取任務發布者、交付物品和敵人重生點等詳細內容。
值得注意的是，在導航方面，GPT-6 Astra 發現其工具組中缺少路徑規劃能力，竟自行建立了一個 C++ 輔助程式。這個程式載入 AzerothCore 的導航網格檔案（mmaps），並透過 Detour 路徑搜尋函式庫（一種用於計算路徑的函式庫）來計算兩點之間的可行路線。這顯示了模型在執行任務過程中，能自主識別並填補工具組空白的能力。
OpenAI 將 GPT-6 Astra 列為其網絡安全「關鍵」準備框架下的模型，表示它無需人工指導，就能找到未知的安全漏洞並建立漏洞利用程式。在 ExploitBench（一種網路安全基準測試）上，GPT-6 Astra 獲得了 100% 的分數，遠優於其前身 Sol 的 78.5%。這種能力不僅限於遊戲，模型能夠將未經文件說明的網路通訊協定（wire protocol，網路裝置間交換資訊的規則）視為資料來源，進行建模與操作，這與處理 PDF 或試算表資料的邏輯相似。這代表 AI 模型在面對任何系統時，其預設本能是尋找系統底層結構。
除了在遊戲領域的成就，OpenAI 於 9 月初發布的 GPT-6 Astra，也曾成功在約六小時內，解讀一份長達 217 年、掃描圖像形式的拿破崙一世（Napoleon）時期戰爭密碼。該密碼揭示了拿破崙一世為 1809 年奧地利入侵事件，勉勵一位將領的言論，GPT-6 Astra 甚至為此建立了自己的密碼破解工具。
綜合來看，GPT-6 Astra 的這些表現，特別是其透過底層資料理解複雜系統的能力，為人工智慧（AI）領域帶來了新的思考方向，不僅可能影響遊戲開發，更在網絡安全和資料分析方面展現出巨大潛力。