🐮 Вышла GPT-6 Astra, все с ней играются, я тоже поучаствую. Продолжаю серию с самым непредвзятым бенчмарком индустрии - korovany bench: нужно создать по ТЗ игру 3д экшон где можно грабить корованы!

• Игра от Astra получилась прям хорошая, это новая SOTA в бенче. Это первая модель в моих прогонах, которая поняла что корованы должны быть запряжены, очевидно, коровами!

Наконец-то додумалась!

В нее вполне можно играть:

- Несколько видов оружия, можно отстреливать руки
- Деревья вдали сделаны спрайтами, а вблизи превращаются в 3D
- Есть магазин как в Daggerfall

Надеюсь Кирилл будет доволен!

Хотя с игровым процессом пока беда. Все враги убиваются двумя ударами, механики слишком простые и игра в итоге скучная. Лук игрока и крыши повозок повернуты на 90 градусов - развитое пространственное мышление GPT-6 здесь как-то не проявилось. Через часть предметов можно пройти, колеса корованов не крутятся

• Fable 5.1 тоже сделал играбельную игру. У корованов крутятся колеса, хотя запряжены они лошадьми. Земля более плоская, а замки сделаны на отвали - часть конструкций висит в воздухе, то же касается и оружия - лук просто плавает перед игроком

• Еще успел попасть на аттракцион раздачи слонов - бесплатная ox-alpha на OpenRouter, которая оказалась предварительной версией GLM-5.3-Flash. Тут все плохо. Управление перепутано, части 3D-моделей не стыкуются и висят в воздухе, играть толком невозможно

Но домики эльфов на деревьях классные, оригинально смотрятся. Жаль не набигают. "Набигающие" домики пока ни одна LLM в моих тестах не осилила, так что ждем новую Gemini

Напомню правила: каждой модели даю одно и то же ТЗ Кирилла с уточнением что нужна браузерная игра для GitHub Pages, смотреть реализации соседних моделей нельзя, сделать все нужно полностью автономно за один запрос. Уточнений и фидбека я не даю, настройки по умолчанию

Всю коллекцию собираю в цифровой музей наступающей сингулярности - хочу сохранить как менялось качество игр при неизменном промпте. Все версии можно открыть в браузере и попробовать самому (я бы пока заходил с компьютера)

P.S. С телефона все три работают плохо. Тоже вопрос к качеству, кстати

Также переключил на Астру агента-аналитика, который ведет канал, где оценивает вероятность кризисного сценария. Писал о нем тут, на новой модели он почему-то стал сильно позитивнее