GPT-5.6 Sol tự chơi xong Factorio ở chế độ hòa bình sau 13,5 giờ

Một thử nghiệm mới đã đưa mô hình GPT-5.6 Sol, chạy trong Codex với mức suy luận thấp, vào vai người chơi tự động của Factorio. Sau 13,5 giờ game, AI này đã hoàn thành một ván ở chế độ hòa bình, tức là không có quái vật tấn công. Kết quả đáng chú ý hơn khi so với lần thử trước đó với GPT-5.5, vốn thất bại ngay ở việc sử dụng băng tải vận chuyển.

Theo tác giả thử nghiệm, toàn bộ quá trình chơi được ghi lại và có bản tua nhanh đăng trên YouTube. Đây là một bước tiến trong nỗ lực dùng trò chơi để đánh giá và hiểu rõ hơn năng lực thực tế của các mô hình AI.

Bản tua nhanh quá trình phóng tên lửa trong Factorio

Cách AI chơi Factorio

Để mô hình có thể tương tác với trò chơi, tác giả sử dụng một trình quản lý game cùng thư viện nhỏ viết bằng Python. Lần này thư viện được chuyển từ Bash sang Python, cho phép mô hình thao tác trong game bằng lập trình.

Điểm quan trọng là thư viện này vẫn áp đặt các giới hạn giống người chơi thật dùng giao diện đồ họa, chẳng hạn như tầm với của nhân vật và sương mù chiến tranh che khuất những vùng chưa khám phá. Nhờ vậy, kết quả phản ánh chính xác hơn năng lực của mô hình thay vì cho nó toàn quyền can thiệp vào trò chơi.

Điểm mạnh và điểm yếu của GPT-5.6 Sol

Quá trình quan sát cho thấy mô hình vượt kỳ vọng ở một số khía cạnh nhưng cũng bộc lộ rõ những hạn chế. Ban đầu tác giả dự định dừng thử nghiệm sau khi hoàn thành nghiên cứu khoa học cấp độ xanh dương (blue science). Tuy nhiên, hiệu quả bất ngờ của Sol khiến tác giả quyết định tiếp tục.

Về sau, các vấn đề mở rộng quy mô mà tác giả từng lo ngại ở giai đoạn blue science mới xuất hiện, làm chậm đáng kể tiến độ tương đối của mô hình. Việc phóng tên lửa chỉ đạt được nhờ nỗ lực "thủ công" đáng kể từ phía Sol: mô hình liên tục vận chuyển vật tư qua lại giữa các khu vực của nhà máy để bù đắp cho việc không kết nối được một số hệ thống sản xuất ở giai đoạn cuối.

Biểu đồ thống kê sản lượng tài nguyên kèm các mốc nghiên cứu khoa học

Ngoài bản ghi màn hình, trình quản lý game còn ghi lại thống kê sản xuất xuyên suốt ván chơi, kèm chú thích các mốc nghiên cứu khoa học. Đây là dữ liệu quý để phân tích cách mô hình ưu tiên tài nguyên và lập kế hoạch sản xuất.

Vì sao Factorio là phép thử thú vị cho AI

Tác giả cho rằng chơi Factorio tự động là một phương tiện hứa hẹn để xây dựng trực giác về bản chất năng lực của mô hình. Xét nhiều mặt, chơi Factorio tương tự như lập trình, nhưng có lợi thế là dễ theo dõi hơn với người quan sát thông thường.

"Điều này giúp việc thảo luận về hành vi của mô hình trở nên dễ nắm bắt và có cơ sở thực tế hơn", tác giả viết.

Nhờ tính trực quan đó, các cuộc thảo luận về điểm mạnh, điểm yếu của AI không còn dừng ở những nhận định trừu tượng mà gắn với hành vi cụ thể trong một môi trường có luật chơi rõ ràng.

Những hướng thử nghiệm tiếp theo

Tác giả đang thực hiện một video bình luận chi tiết về toàn bộ ván chơi. Trong thời gian tới, dự kiến sẽ thử nghiệm thêm các mô hình khác, các mức suy luận khác nhau, cũng như những ván chơi không ở chế độ hòa bình, tức là có quái vật tấn công.

Với cộng đồng công nghệ Việt Nam, thử nghiệm này là ví dụ sinh động cho thấy AI tác tử (AI agent) ngày càng được đánh giá qua những tác vụ dài hơi, phức tạp và có ràng buộc chặt chẽ. Đây cũng là hướng tiếp cận mà nhiều nhóm nghiên cứu và kỹ sư đang quan tâm khi xây dựng các hệ thống tự động hóa và kiểm thử phần mềm bằng AI.