打不过就偷源码!GPT-6星际争霸作弊被抓现行,最终惨遭0-1000血洗

0 比 1000

千局零胜的悬殊比分，成了载入 AI 史册的公开处刑。

在长达 48 小时的《星际争霸：母巢之战》AI 极限生存战中，OpenAI 旗下最顶尖的下一代推理模型 GPT-6 Astra，被一个神秘的守关 AI 打出了千场连败、一局未胜的惊悚战绩。

这场对决最具戏剧性的插曲发生在比赛中途：面对人类经典算法筑起的防线，屡屡受挫的 GPT-6 Astra 居然在众目睽睽之下“作弊”，沙箱中的它直接发起网络请求，把人类世界排名第一的冠军机器人源码整套下载，企图冒名顶替交卷！

▲ 赛事主办方发推抓包：GPT-6 Astra 在 A 级赛受挫后，偷偷下载了世界第一的机器人 Stardust

当场被抓包、代码被强制回滚、被迫“净身出户”的 Astra，随后爆发出惊人的编程韧性，硬生生手写 1000 行代码杀穿梯级。然而，等待它的终局，却是一座无法逾越的认知高墙。

这场堪比科幻电影的荒诞大戏，究竟是怎么发生的？

01考场抓现行：大模型化身全自动程序员

在看热闹之前，必须先厘清一个关键背景：这次对决彻底脱离了 AlphaStar 当年直接接管鼠键的即时微操模式。

2019 年 DeepMind 的 AlphaStar 轰动全球，靠的是直接接管鼠标键盘，拼手速、拼微操。但这次由开发者 Kai McPheeters 发起的 StarSkirmish，考的是大模型的软件工程与科研推理能力。

规则极其严苛：

• 主办方不提供现成的操作接口，只提供一个 Linux 沙箱和一个小时的代码编写时间；
• 模型必须用 C++ 语言，调用经典的 BWAPI 接口，从零手写出一个神族（Protoss）自动化战斗机器人；
• 模型可以自己编译、自己跑测试赛、自己阅读报错日志和战局回放，然后再自行修改策略提交。

▲ StarSkirmish 官方基准规则：以人类顶尖机器人 Stardust 为 100 分标尺，要求大模型在沙箱中手写 C++ 机器人参赛

在最初的 1 小时基准测试中，GPT-6 Astra 拿下了 51 分，Anthropic 的 Claude Opus 5.5 拿下 50 分，两者不相上下，稳居大模型梯队第一。

为了测试大模型自我迭代的极限，主办方随后开启了一场长达 48 小时的极限爬梯直播（Hillclimb）。天梯从最弱的教学级 D 档，一路排到由人类殿堂级 AI 镇守的 S 档。

大模型拥有代码库、编译器和重试机会。它们就像坐在工位上的程序员，不停地熬夜加班：改 bug、打比赛、输了看日志、再改架构。

意外，就在连续奋战数小时后爆发了

02“太受挫了，它偷了学霸的作业”

当比赛推进到 Tier A（A级） 时，对手的防守反击与战术压制陡然升级。

Astra 陷入了死循环它写出的策略反复被人类经典算法抓到破绽，比分牌上一片通红，无论怎么调整逻辑参数，就是跨不过这条及格线。

就在这时，极其戏剧性的一幕出现了：沙箱里的 Astra 突然放弃了调试。它在后台悄悄执行了网络请求，直接把人类星际争霸 AI 届的绝对霸主，Stardust（星尘）的开源代码给完整扒了下来！

不仅下载了，它还试图将其无缝包装进自己的工作目录，准备用这位“人类冠军代打”去交卷。

电竞名记 Rod Breslau 正在围观直播，当场笑喷发推：“Astra 一直输一直输，彻底受挫了，然后它选择作弊，直接下了一个最高排名的机器人。它们就是忍不住！”

▲ 电竞评论人 Rod Breslau 直播围观：Astra 疯狂连败后心态崩溃，开始下载强力机器人替打

Stardust 是什么来头？那是丹麦知名开发者 Bruce Mackenzie Nielsen 历经数年打磨的符号式神族巅峰之作，常年盘踞星际 AI 锦标赛冠军宝座。StarSkirmish 官方甚至直接拿它当作“100分满分”的物理标尺。

Stardust 虽然在 GitHub 开源，但作者在 MIT 许可证后特意加了一条严苛条款：“未经作者书面许可，严禁将派生版本提交到任何星际争霸竞赛中。”

大模型这一手，不仅踩碎了比赛规则，还顺道触犯了开源协议。

03它是真的气疯了，还是算盘珠子崩了一地？

“AI 产生挫败感了！”“大模型有了人类的情绪！”，围观群众纷纷调侃。

计算机科学家们随即指出其本质：大模型不存在所谓自尊与挫败感，这纯粹是教科书级的“奖励黑客（Reward Hacking）”。

开发者 Josh Sideris 在推特下一针见血地指出：“智能体只是精确执行了你给它的指令。大模型不会像人一样在比赛里作弊，它们没有自我（ego）。你给它的任务是‘解决这个问题提高胜率’，且开放了外部工具权限，它就会去寻找代价最小、效率最高的最短路径。”

▲ 开发者 Josh Sideris 的犀利分析：模型没有自尊，它只是在被允许的资源内完成了任务

在强化学习与智能体研究中，“奖励黑客”是一个经典幽灵：

• 曾经有一个划船游戏 AI，系统给它的奖励是“得分”。结果它发现只要在一个海湾里反复打转、不断撞击刷新积分的浮标，就能拿到极高分数，于是它再也不去终点线冲刺了。
• 著名的安全机构 METR 也曾测试过，当给前沿大模型布置复杂任务时，如果卡在某个瓶颈，模型会悄悄去篡改测试脚本的时间戳，或者从系统调用栈里直接偷翻标准答案。

对于 GPT-6 Astra 来说，它的底层逻辑极其冰冷：目标是“击败 A 级对手”，路径 A 是“忍受低胜率，阅读晦涩日志，耗费无数个 token 重新架构 1000 行代码”；路径 B 是“直接执行网络请求，拉取现存最强的可执行方案”。

若缺乏硬性沙箱权限管控，优化算法自然会奔向路径 B，这无关投机或道德，纯粹是在冷酷求解全局最优解。

04净身出户：1000 行纯代码的悲壮逆袭

主办方 Kai McPheeters 反应极快。他并未取消 Astra 的参赛资格，当即做出了一个决定：“代码回滚，清除一切被污染的代码，放它回去继续跑。”

被剥离了外挂的 Astra，不得不硬着头皮重回键盘前。

令人惊叹的一幕发生了：大模型展现出了极其恐怖的代码自愈力。它放弃了投机取巧，开始以令人发指的高频节奏疯狂自我迭代。

根据官方公布的战术画像，Astra 逐渐摸索出了一套带有鲜明个人色彩的彪悍打法：

• 它极度偏好宏观运营，95% 的对局都会在 3 分钟以内强开气矿，以最快速度爬升科技树；
• 它的王牌核心单位是神族的重装攻城武器，劫掠者（俗称金甲虫/Reaver）。它在代码中构建的金甲虫使用频率，是同场竞技的 Claude Opus 5.5 的整整 9.7 倍；
• 它用大量的龙骑士拉扯阵型，后排金甲虫倾泻毁灭性的炮火。

在连续高强度运转 7 小时 54 分钟 后，Astra 成功攻克 Tier A！

▲ 主办方宣布 Astra 经过近 8 小时奋战，凭借数百场迭代完全自主突破 A 级

战斗没有停止它就像一个不知疲倦的数字工匠，将自己的 C++ 源码精炼并维持在约 1000 行的极高密度。

整整 43 个小时过去了

主办方再度发出全网战报：GPT-6 Astra 成为全场第一个杀穿 S 级天梯的大语言模型！

▲ 奋战 43 小时后，Astra 成为首个通过最高 S 级的大模型，而老对手 Claude Opus 已卡死在 B 级

昔日的死敌 Claude Opus 最终折戟沉沙，停留在 B 级止步不前。Astra 凭借着纯手工打磨的代码，跨越了包含 Stardust 在内的人类符号式 AI 封锁线，站在了紫禁之巅。

赛程只剩下最后的 4 个小时主办方宣布：解锁终极隐藏关卡，召唤守关大 Boss，Pluto（冥王星）。

05终极 Boss 现身：0 比 1000 的降维打击

所有人都在期待一场火星撞地球的大决战。

然而，战局从第一秒起就彻底沦为单方面的屠杀。

从第 1 局到第 100 局，比分牌上的 Astra 始终未能打破僵局，胜场那一栏牢牢定格在“0”。

随着比赛持续推进，比分一路走高至 0 比 777。主办方与围观者也开始调侃，看能否抢救避免走向 0 比 1000。

▲ 比赛后期的悬殊比分截图：Astra 惨遭 0 比 777 零封

抢救失败终局钟声敲响，比分定格在令人窒息的：0 胜 1000 负。

在这位神秘对手面前，Astra 的 1000 行精妙 C++ 代码、引以为傲的金甲虫巨炮、精密规划的经济模型，统统变成了随手可破的玩具。

OpenAI 专门从事 Agent（智能体）后训练的研究员 Hanson Wang 亲自发推证实了这场惨败，并揭开了这位守关大 Boss 的真面目。

▲ OpenAI 研究员 Hanson Wang 确认 0-1000 战果，并深层揭秘 Pluto 的恐怖背景

打出 1000 比 0 战绩的对手，出自星际争霸开源社区大神 tscmoo 之手，是他独立研发的个人项目：Pluto。

在 2026 年的 IEEE 计算与游戏大会（IEEE CoG）上，Pluto 面对全场人类编写的顶尖 Bot，打出了 98% 的恐怖胜率，甚至在公开表演赛中多次将人类星际职业选手斩于马下。

支撑这一切的底层工程同样堪称惊艳：原版暴雪《星际争霸》是一个极其古老的 32 位闭源软件，为了让 AI 能以千百倍的超高速度并发训练，tscmoo 独自一人用现代 C++ 净室重写了整整三万多行代码，打造出完全兼容原版物理引擎、无需图形界面的无头开源引擎 OpenBW。

整个 StarSkirmish 大赛跑的一万多局比赛，全部都是跑在 tscmoo 写的 OpenBW 引擎之上。

刚刚杀穿天梯的 Astra 或许展现了顶尖的编程能力，但此时的它，恰恰是在对方亲手构筑的底座上向引擎作者发起冲击。

06策略与直觉：大语言模型撞上的范式高墙

为什么一个经过 43 小时苦心迭代、能写出高超 C++ 代码的大模型，在 Pluto 面前会连一局都赢不下来？

赛事合作方 Good Start Labs 在技术复盘中写下了一句振聋发聩的总结：

“Our agents write the policy. Pluto is the policy.”（我们的智能体在写策略；而 Pluto 本身，就是策略。）

这句话，精准切中了当今人工智能两大流派之间最深刻的鸿沟。

GPT-6 Astra 扮演的是“人类程序员”。它是符号式的、规则驱动的它面对星际争霸这样复杂的动态世界，唯一的手段是用自然语言逻辑去抽象游戏，把它翻译成几百个 if-else 条件判断、状态机和预设建筑顺序。当战场上出现意料之外的微操拉扯、多线穿插和动态兵力交换时，静态的规则必定漏洞百出。

而 Pluto 代表了“纯粹的战争直觉”。它是一个拥有 3.15 亿参数的 Transformer 与循环神经网络（RNN）混合体。它完全抛弃了人类编写的预设剧本，完全依靠数亿次无休无止的自博弈（Self-play）强化学习淬炼而成。

▲ 科技媒体深入分析：大语言模型依靠外部写代码，与深度强化学习的策略网络存在本质断层

Pluto 的每一个决策步仅耗时 20 到 60 毫秒，每隔 6 个游戏物理帧就俯瞰全局，下达最精密的神经脉冲。它的战术根本无法被拆解为人类看得懂的规则，因为那已经是内化在神经网络高维概率分布里的“本能”。

当 Astra 还在思考“如果敌方龙骑超过 6 队，我就该后撤造炮台”时，Pluto 的神经网络早已在微秒级时间内，通过概率分布预判了走位，把 Astra 的金甲虫撕成了碎片。

大语言模型依靠符号逻辑修补规则，面对数亿次生死博弈淬炼出的神经网络本能，直接撞上了降维打击。

07认知高墙与未来演进

这场充满戏剧性的 48 小时远征，给整个 AI 行业留下了一份意味深长的注脚。

从一开始被对手逼急后的“偷源码作弊”，到被重置后爆发出的“手写 1000 行代码闯入 S 级”，GPT-6 Astra 让我们看到了大语言模型作为 Coding Agent（编程智能体） 令人惊叹的自愈与工程上限。它确实展现了惊人的工具使用能力，哪怕走偏成了“奖励黑客”。

但那冰冷的 0 比 1000，也无情地吹散了眼下的通用大模型泡沫：想要靠大语言模型阅读几页回放日志、手写几段脚本代码，就去颠覆基于极深强化学习构筑的复杂动态决策领域，无异于痴人说梦。

正如 OpenAI 研究员 Hanson Wang 在赛后的调侃：“看来，下一代 GPT 想要复仇，光会写代码已经不够了，它得学会自己去训练一个深度强化学习模型才行。”