据媒体报道，OpenAI的GPT-6 Astra AI模型在《魔兽世界》中创下新纪录：仅用40分钟便以零死亡成绩清空兽人新手村区域。该项目开发者agent-wow指出，该模型在未获取任何渲染画面的情况下，完全依靠从服务器文件中提取的网络流量和任务数据进行游戏。
纯数据驱动的游戏逻辑
此次测试基于开源客户端agent-wow与Codex结合，并在私有服务器上运行。视频显示，智能体以1级兽人身份起步，完成试炼谷所有任务，最终抵达森金村。
agent-wow是一款专为自主AI玩家设计的AzerothCore《魔兽世界》客户端。它不定义移动、战斗等具体玩法机制，仅提供模块系统供智能体构建游戏逻辑。AzerothCore是运行《魔兽世界》3.3.5a版本（《巫妖王之怒》终版）的开源服务器软件，agent-wow通过游戏网络协议与其通信，仅在本地私有服务器运行以供实验。
开发者调用了上个月初发布的OpenAI旗舰模型，并启用较高推理强度。选择《魔兽世界》是因为其兼具长期战略与短期战术，开发者的终极目标是“让服务器充满AI智能体，测试其能否以英雄难度攻克冰冠堡垒”。
协议层挖掘与最优寻路
智能体构建单一模块，捕获并内存保留28种服务器消息。Python脚本轮询这些消息以构建世界认知并发送指令。实践证明，“在协议层工作已绰绰有余”。
在任务数据处理上，智能体采用数据挖掘技术，直接从AzerothCore的SQL文件中提取任务发布者、交付点及刷新点。开发者称，这比依赖可能存在偏差的粉丝网站数据更为准确，大致相当于人类花费数小时研究攻略。
执行过程中，智能体展现了清晰的规划能力：按序完成前置任务链，出售垃圾物品，装备升级道具，进入最终洞穴前训练技能，并同步接受两个洞穴任务以提升效率。
寻路方面，智能体利用C++辅助程序调用AzerothCore自带的导航网格文件（mmaps）绘制路径，由Detour寻路库计算路线。开发者称赞其寻路能力“非常最优”，甚至能利用地图碰撞属性缺失的漏洞寻找捷径。
从视觉依赖到数据直连
这并非该模型首次涉足游戏。上个月发布初期，它曾凭借截图和位置信息耗时约24小时通关《传送门》。相比之下，本次《魔兽世界》测试未使用任何截图，仅覆盖首个区域，但效率显著提升。
近期，社区还部署了定制小型模型和由Claude指导的Jev决策框架游玩《宝可梦 红》。开发者接下来的计划是：探索单个智能体能否独立达到80级，以及多个智能体能否通过游戏内社交功能组队完成内容。