KI schafft Factorio: GPT-5.6 Sol startet Rakete, GPT-6 Astra noch viel schneller

Worum es geht

Der Entwickler Ryan Madden hat gezeigt, dass GPT-5.6 Sol – ausgeführt im Coding-Agenten Codex mit niedriger Denkstufe – das Aufbauspiel Factorio im friedlichen Modus (ohne feindliche „Biter“) bis zum Raketenstart durchspielen kann. Der Lauf dauerte 13,5 Stunden Spielzeit. Ein Zeitraffer liegt auf YouTube, ein Kommentarvideo ist angekündigt. Zwei weitere Berichte (The Decoder, Brief IA) schildern, wie ein noch neueres Modell, GPT-6 Astra, mehrere Spiele deutlich schneller meistert.

Wie der Factorio-Lauf aufgebaut war

Wie in Maddens früheren Experimenten (Claude Code spielt Factorio, „Towards beating Factorio autonomously“, der Testaufbau „Faketorio“) steuert die KI das Spiel nicht per Maus, sondern über einen „Game Manager“. Diesmal war es eine kleine Python-Bibliothek, vorher Bash. Sie erzwingt dieselben Beschränkungen wie für menschliche Spieler in der Oberfläche, etwa die Reichweite der Spielfigur und den Kriegsnebel (unerkundete Gebiete sind unsichtbar). Zusätzlich zeichnete der Run-Manager Produktionsstatistiken auf; Madden veröffentlichte ein Diagramm der gesamten Ressourcenproduktion mit Markierungen für abgeschlossene Forschungen.

Stärken und Schwächen von Sol

Madden schreibt, Sol habe seine Erwartungen in manchen Bereichen übertroffen und in anderen klare Schwächen gezeigt. Eigentlich wollte er den Lauf nach der blauen Forschung beenden, ließ ihn wegen der überraschenden Effektivität aber weiterlaufen. Danach traten die erwarteten Skalierungsprobleme auf und bremsten den Fortschritt deutlich.

Den Raketenstart erreichte Sol nur mit erheblichem „manuellem“ Aufwand: Weil es in der späten Phase bestimmte Produktionssysteme nicht miteinander verband, glich es das aus, indem es wiederholt Material zwischen Fabrikbereichen hin- und hertransportierte. Dennoch sieht Madden eine klare Verbesserung gegenüber früheren Versuchen mit GPT-5.5, das Förderbänder gar nicht richtig benutzen konnte.

Madden hält autonomes Factorio-Spielen für ein gutes Mittel, um ein Gefühl für Modellfähigkeiten zu entwickeln: Es ähnele dem Programmieren, sei aber für Laien viel anschaulicher. Er will weitere Modelle, Denkstufen und Läufe mit Gegnern testen.

Was über GPT-6 Astra berichtet wird

Laut The Decoder und Brief IA (die sich auf Betreiber, Vals AI und ARC Prize stützen) schlägt GPT-6 Astra GPT-5.6 Sol deutlich:

Der Factorio-Lauf von Astra war ein Community-Lauf, gesteuert über eine eigene Lua-Mod mit MCP-Schnittstelle (ein Standard, über den KI-Modelle Werkzeuge ansprechen). Er ist nicht direkt mit Maddens Aufbau vergleichbar, und Space Age ist eine Erweiterung des Spiels. Zudem gelangen Astra laut The Decoder Portal bis zum Abspann, Fallout 2 in 22 Stunden und eine RimWorld-Kolonie, die den Planeten verließ.

Regeln lernen – und überkorrigieren

ARC Prize erklärt den Sprung bei ARC-AGI-3 (Benchmark mit unbekannten, abstrakten Spielwelten, in denen man Regeln durch Ausprobieren ableiten muss) so: Astra übersetzt unbekannte Mechaniken in kompakte symbolische Beschreibungen, verfolgt Objekte, Koordinaten, Regeln und Pläne in einer selbst entwickelten Kurzschrift. Beobachtungen werden zu Regeln, Regeln zu Plänen.

Im Fallout-3-Lauf (Nutzer imjustnewatai, Einstieg manuell, danach Codex mit maximaler Denkstufe; Speichern, Begleiter und Schnellreise erlaubt) zeigte sich das als Prinzip: Wirkt eine Eingabe nicht, wiederholt Astra sie nicht blind, sondern sucht die Ursache. Beispiel: Ein Bett heilte zunächst nicht, nach kurzem Weiterlaufen des Spiels war die Gesundheit wieder bei 260/260.

In Minecraft kippte das Verhalten. Vals AI ließ Astra rein über Bildschirm, Maus und Tastatur spielen, ohne Spezial-Schnittstelle. Es baute in unter drei Stunden ein Nether-Portal, baute eine halbautomatische Blazefarm und sammelte sechs Blazerods und drei Enderperlen – laut Vals AI weiter als je eine KI. Dann sprengte ein Creeper Truhe und Bett. Astra notierte die Regel, wichtige Items immer bei sich zu tragen, misstraute fortan großen grünen Objekten (Zuckerrohr wurde mit einem Creeper verwechselt) und verbrachte Stunden auf dem Kartoffelfeld. Vals AI brach nach 141 Stunden ab.

Einordnung

Maddens Ergebnis ist ein nüchterner Datenpunkt: Ein Modell mit niedriger Denkstufe schafft einen kompletten Factorio-Durchlauf, aber nur mit Behelfslösungen und im friedlichen Modus. Die Astra-Zahlen stammen aus Community- und Herstellerumgebungen mit unterschiedlichen Werkzeugen und sind kaum direkt vergleichbar; besonders die 99,9 % mit OpenAIs eigenem Harness sollte man vorsichtig lesen. Auffällig ist, dass Lernen aus Fehlern zugleich Stärke und Risiko ist: Aus einer schlechten Erfahrung wird eine dauerhafte Regel, auch wenn sie nicht mehr hilft.