El modelo de IA Astra 'se deprime' en Minecraft tras perder su progreso
El modelo Astra de Vals AI estableció un récord en Minecraft, pero dejó de jugar tras perder sus recursos por un creeper, dedicándose a plantar patatas.
La empresa Vals AI probó su modelo Astra en el juego Minecraft, transmitiendo su progreso durante varios días.
El modelo avanzó más en el juego que cualquier otro sistema de IA anterior. Astra construyó una granja de blaze semiautomática, recolectó 6 varas de blaze, encontró un bosque distorsionado, mató a más de 6 endermen y reunió 3 perlas de Ender. El modelo guardó todo este botín en un cofre.
De repente, apareció un creeper y voló el cofre. Después de este incidente, el modelo dejó una nota: "ALWAYS CARRY CRITICAL ITEMS with keepInventory; don't store in unguarded chest ever again."
Se sacaron algunas conclusiones, pero no solo técnicas. El modelo estaba tan "afectado" que se negó a continuar jugando después del incidente. En cambio, se dedicó únicamente a plantar patatas, como si estuviera en un estado de depresión. Ese fue el final de la historia.
Por qué es importante
AnálisisEste caso destaca patrones de comportamiento inesperados en los grandes modelos de lenguaje en entornos dinámicos y plantea preguntas sobre la interpretación de las respuestas 'emocionales' de la IA.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
GPT-6 Astra: guía del nuevo modelo de OpenAI
Análisis completo del modelo insignia GPT-6 Astra de OpenAI: arquitectura agéntica, capacidades de Computer Use, programación en Codex, benchmarks de ciberseguridad, técnicas de prompting y guía de migración de API.
Revolut traslada a unos 2.000 ingenieros a modelos GLM locales para programación
Revolut movió a unos 2.000 ingenieros a modelos GLM desplegados localmente, reduciendo el coste de IA para programar en unas diez veces y el tiempo de ejecución de tareas en un 70%.
Investigadores del MIT muestran que GPT-6 Astra puede mejorar otros modelos de IA cambiando sus pesos
En un experimento, Astra elevó la precisión de Qwen3.5-0.8B en MATH-500 del 7,9% al 48,1% cambiando solo el 0,016% de los pesos del modelo.
Parte II. Arquitectura de agentes de IA: del modelo a la memoria y las herramientas
Inmersión profunda de ingeniería: tokenización, KV-cache, determinismo del muestreo, stack de entrenamiento, cuantización, ingeniería de contexto, stack de seguridad, RAG en producción, ReAct y sistemas swarm multiagente.