La partida
Un desarrollador que publica como cozyblaze ha difundido el código y un registro depurado de un agente que jugó Portal, el juego de puzles de Valve de 2007, de principio a fin usando GPT-6 Astra de OpenAI, sin intervención humana después del objetivo inicial.
El resumen de la ejecución que hay en el repositorio fecha el intento entre el 4 y el 5 de septiembre y cifra la duración en unas 23,7 horas. Registra 433.210.793 tokens de entrada, de los cuales 426.415.104 fueron lecturas de caché, junto a 1.598.341 tokens de salida, incluidos 1.181.102 de salida de razonamiento. El agente emitió 3.210 comandos de ejecución y tomó 40 capturas de pantalla.
Cómo funcionaba
El montaje es un bucle de pausa y avance, no un modelo jugando en tiempo real. Una versión modificada de SourcePauseTool detiene el juego; el agente recibe una captura junto con la posición del jugador y el ángulo de cámara; decide sus acciones; el juego avanza un número fijo de ticks; el ciclo se repite. Los comandos llegaban al juego a través de un servidor MCP local.
Ese diseño importa para interpretar el resultado. Nada aquí demuestra velocidad de reacción ni control continuo. Lo que demuestra es un modelo sosteniendo un objetivo a lo largo de decenas de miles de pasos, leyendo una escena tridimensional a partir de imágenes fijas lo bastante bien como para navegarla, y recuperándose cuando un plan falla.
Las salvedades, según el propio autor
El repositorio es franco sobre sus límites. La ejecución sufrió interrupciones por capacidad y hubo que reanudarla tras varios errores. El modelo se ejecutó con el máximo esfuerzo de razonamiento y después se pasó a un modo más rápido. Del registro publicado se eliminaron información personal y las capturas incrustadas, y los archivos del juego no se incluyen.
Esto es la demostración de un desarrollador sobre un solo juego: no es un benchmark, no es una evaluación controlada y no es algo que OpenAI haya publicado ni verificado. Ningún tercero independiente lo ha reproducido. La prueba es un registro que el autor decidió publicar, lo que ya es más de lo que acompaña a la mayoría de estas afirmaciones, y aun así no equivale a un resultado externo.
Por qué importa un juego de hace diecinueve años
Portal es una prueba útil precisamente por ser antiguo. Sus puzles obligan a razonar sobre física y espacio — dónde hay que colocar un portal para que la inercia te lleve a un sitio al que no puedes llegar andando — y no se resuelven a base de reflejos. Los videojuegos como banco de pruebas de la IA vienen de lejos: OpenAI se fijó hace una década el objetivo de que un único agente resolviera muchos juegos.
La cifra de coste es la parte con relevancia comercial. Casi todos esos 433 millones de tokens de entrada fueron lecturas de caché y no entrada nueva, que es lo que hace asequible una ejecución tan larga. The Decoder estimó el coste en unos 570 dólares con la tarifa estándar; el repositorio no da ninguna cifra, y esa estimación es suya, no del autor.
Qué vigilar
Si alguien reproduce la ejecución, y si el mismo andamiaje funciona en un juego que el modelo no haya visto descrito en sus datos de entrenamiento. Sobre Portal se ha escrito muchísimo durante diecinueve años, incluidas guías completas. Descartar la memoria frente al razonamiento exigiría un puzle cuya solución nadie haya publicado.
