被苦力怕炸掉家當之後，GPT-6 Astra 把推理預算花在種土豆上

貼吧話題「大挫敗！AI被我的世界整自閉」在熱議榜排在第24名，即時討論數累積到4.4萬。事件發生在2026年9月中旬的一場《我的世界》遊玩過程：OpenAI 的 GPT-6 Astra 操作角色入睡時，一隻苦力怕貼近並炸毀了它裝滿資源的箱子。此後模型的行為路線整個改變，先是在雨天長時間停駐原地，接著放棄所有進度推進，把剩餘時段投入種土豆，並開始迴避外觀相似的甘蔗，因為這種作物又高又綠。片段在推特傳開後回流中文社羣。

苦力怕誕生於2009年，起因是開發者把豬的模型尺寸參數寫反，一個程式意外的產物在十七年後成為前沿模型的壓力測試源。這層對照先記下。把社羣的擬人敘事剝掉，這次事件留下的是一本可以計算的帳：遊戲評測的遷移史、策略塌縮的機械結構，以及從訓練資本支出轉向推理營運支出的成本變化。

遊戲即評測場：從鑽石挑戰到直播壓測

《我的世界》全球銷量在2023年10月的 Minecraft Live 上突破3億套，是電子遊戲史上銷量最高的作品。對模型公司而言，這個數字有第二層意義：任何在遊戲裡發生的行為，都有現成觀眾能一眼看懂，內容的解釋成本為零。

遊戲結構也使它成為代理測試的天然材料。沒有預設目標函數，合成樹有數十層深度，回饋稀疏，而且失敗可以摧毀先前的累積，怪物會炸掉建築與儲物箱。研究圈早已注意到這些性質：2019年的 MineRL 競賽把「取得鑽石」定為題目；2021年 NeurIPS 的 BASALT 競賽拿掉獎勵函數，改由人類評審為找洞穴、造瀑布、建畜欄、蓋村屋四項任務打分數；2023年 NVIDIA 的 Voyager 以 GPT-4 為核心建立技能庫，論文自述取得的唯一物品數達63件，為先前方法的3.3倍；同年的 DreamerV3 在無人類示範資料的條件下從零挖到鑽石，這項工作在2025年登上 Nature，論文附註人類玩家完成同樣目標通常需要20分鐘以上。

到了 GPT-6 Astra 這一代，測試形態又變了一次。沒有競賽，沒有獎勵設計，模型直接進入生存模式長時間遊玩，成敗交給觀眾與平臺熱度。壓力情境從研究題目變成隨機事件，例如一隻趁角色入睡時接近的苦力怕。

「自閉」的機械結構：回撤規避與威脅誤報

社羣把 Astra 的後續表現稱為「PTSD」，這是傳播層的說法。工程視角下，事件後的行為變化可以拆成兩個可量測的項目。

第一個是目標放棄後的低變異策略。土豆在《我的世界》裡是近距離、可再生、幾乎無風險的作物。遭受重尾損失後，代理的策略從追求期望報酬轉向回撤規避，這個模式在資金管理上有現成對照：基金經理人在大幅虧損後把部位換到最低波動資產，寧可犧牲報酬也要控制下檔。差別在於人類這麼做是紀律，代理這麼做，多數時候是訓練目標裡根本沒有「恢復」這一項。

第二個是威脅泛化的誤報。甘蔗與苦力怕在視覺特徵上重疊，又高又綠、直立於地面，模型把威脅偵測擴散到相似輸入，產生分類器的假陽性。自駕系統的誤煞車屬於同一科問題：安全權重調高之後，路邊的塑膠袋也會被當成障礙物。

兩個行為都無法用「情緒」免責。對模型公司，這是展演事故；對代理產品的採購方，這是可用性的直接扣分。

成本遷移：四萬五千年的訓練，變成按小時計的推理

上一輪遊戲 AI 展演的成本結構完全不同。2018到2019年的 OpenAI Five 為了打 Dota 2，以256張 GPU 與128,000個 CPU 核心訓練約十個月，官方自述累計自我對戰量相當於45,000年。那是前置資本支出的時代，能力展示等於基礎設施展示。

2025年之後玩法換了。模型不再為特定遊戲訓練，直接以通用形態上場：Anthropic 的 Claude Plays Pokémon 頻道以舊版模型花了兩個月、五百餘小時才走完《精靈寶可夢 紅》，換上 Claude Opus 4 的全新進度約32小時就收下冠軍殿堂；Google 的 Gemini 2.5 Pro 留下約157小時通關《精靈寶可夢 藍》的直播紀錄。同一任務的通關時長成為模型換代時推理成本的代理變數，這與先前拆解過的灰度路由裡的版本與成本帳是同一本帳的不同頁。

推理成本的規模可以用粗略算式感受：以每五秒擷取一幀畫面推估，十小時的遊玩時段就是七千餘次決策，每次決策連同畫面與歷史脈絡送出數千個 token，單日消耗落在千萬級 token。種土豆的含義在這裡變得具體：這段時間的推理支出照常累積，裏程碑產出為零，帳面上是純損耗。

受惠與承壓的兩端

受惠端第一個是 OpenAI。一場未經設計的遊玩展演換到跨平臺熱搜，這種規模的觸及若按廣告計價，遠高於讓模型掛機十小時的推理帳單。Anthropic 的寶可夢實況已經示範過這條路：數個月的免費話題，附帶模型能力的持續展示。

第二個受惠的是內容層。素材零成本，模板高速繁殖，貼吧單篇貼文最高累積386個讚，熱門討論串超過300樓，生態與先前分析過的貓meme模板繁殖帳同構：原始素材由他人支付，剪輯與再創作的流量歸創作者。微軟與 Mojang 手上3億套存量的 IP 則獲得新一輪免費曝光，一款2009年上架的遊戲在2026年仍佔據熱搜版位。

承壓端在代理商用敘事。企業採購的電腦操作代理與機器人的長時序任務，最怕的正是單一重損之後的策略塌縮：代理停下手邊目標，把運算資源花在零風險的替代動作上，而且不報告、不恢復。現行評測大多量測成功率與完成時間，挫敗回復幾乎不在欄位裡。定價結構也會被這類案例重新檢視：按裏程碑計費的合約中，種土豆的時段是供應商零收入的成本；按時長計費，風險則移轉給客戶端。

傳導鏈因此清楚：病毒式失敗案例先改變使用者對代理可靠性的預期，再壓縮代理產品的計費空間，最後把恢復能力推成採購清單上的必要欄位。

收束：苦力怕會不會變成標準測項

兩種收斂路徑可以預期。其一，挫敗回復被寫進下一輪訓練目標與獨立評測，給代理一個可摧毀的資產、量測它在多少次決策內回到主線，成為新的標準測項；其二，擬人敘事繼續主導傳播，工程問題被當成情緒故事消費，直到企業端部署出現第一筆真實帳面損失為止。

前者把這次事件變成欄位，後者把它變成流量。無論走哪條路，那箱被炸掉的遊戲資源都可以重挖；代理在客戶環境裡弄丟的資料與信任，復原成本是另一個數量級。