你让一个助手经营工厂，难点不在于拧好一颗螺丝，而在于十几个小时后还能记得总目标：缺矿时调整产线，物流堵住时找到原因，前面的安排失效后重新规划。Ryan Madden 用《异星工厂》（Factorio）做了这样一次测试。按他的记录，GPT-5.6 Sol 最终在没有敌对生物的和平模式中发射了火箭。这值得关注，因为它把抽象的 Agent 能力，变成了一座看得见是否运转的工厂。不过，目前全部证据都来自 Madden 一人，尚无外部复现或官方确认。
“通关”到底指什么？
《异星工厂》是一款生产模拟游戏。玩家要采矿、运输原料、搭建制造链，再不断扩大自动化生产。每个环节都依赖前面的供应，局部失误还会在长流程中逐渐放大。因此，它适合检验长期规划——把最终目标拆成许多阶段，并在资源不足或方案失败时重排任务。
据 Madden 的博客，GPT-5.6 Sol 在 Codex 中以 low thinking level 运行，用了 13.5 小时游戏时间发射火箭。这里的 13.5 小时是游戏内时间，不一定等于现实中的墙钟时间。
标题里的“通关”也需要收窄理解。这次采用 peaceful mode，而且进一步设置为没有敌对生物。模型不用处理战斗和防御，测试集中在建造、物流与资源调度，因此不能等同于包含敌对虫族的普通流程。
它不是在鼠标前玩游戏
模型没有直接操作原生图形界面。外层的 game manager 和一个小型 Python 库，把游戏状态交给模型，再把模型的决定转成程序化操作。这类外层工具常被称为 Agent 脚手架——就像给模型配上一套眼睛、手和操作规程。
Madden 称，这套交互库限制了玩家触及范围，并保留战争迷雾等条件，意在模拟人类使用图形界面时受到的约束。但这只是作者的说明，尚无独立审计。更准确地说，成绩属于“模型加工具系统”的组合，不能只归功于模型本身。
作者提供了完整流程的 YouTube 延时录像，run manager 也记录了生产统计和科研里程碑。他原本准备在蓝色科技完成后停止实验，因为此前的模型常在工厂扩大到这一阶段时失控。GPT-5.6 Sol 的前期表现让他临时决定继续冲击火箭。
火箭升空了，工厂却没有真正跑顺
后期问题还是出现了。Madden 记录称，模型没有正确连通若干生产系统，扩张效率明显下降。它最后靠反复在厂区之间搬运物资，绕过物流系统的缺口，才凑齐火箭所需材料。
这里的“manual effort”不是作者人工接管，而是模型自己充当搬运工。这个细节很重要：它说明模型能在失败后寻找替代路径，并持续推进长期目标；也说明它没有建成一套顺畅、自维持的自动化工厂。能把任务做完，与能用稳健、可扩展的方法做完，仍是两回事。
Madden 还称，此前 GPT-5.5 的尝试甚至始终不会使用传送带。相比之下，这次运行显然走得更远。但两者都是单次个案，不能据此计算模型的普遍提升幅度。
为什么值得关注？
现实中的 Agent 很少输在“完全不会做下一步”，更常输在长任务里的错误累积：前面的决定埋下问题，后面的补救又制造新问题。《异星工厂》把这种能力差异变得直观。流水线是否接通、资源是否断供、扩张能否持续，都能直接观察。
因此，这次实验最有价值的地方，不是给 GPT-5.6 Sol 贴上“会玩游戏”的标签，而是展示一种接近实用门槛的能力组合：它能跨越多个阶段推进目标，在局部失败后没有停住，并用低效但有效的办法完成任务。与此同时，后期失去自动化、依靠反复搬运，也把距离可靠 Agent 还差什么呈现得很清楚。
局限与未知
- 关键事实、录像和统计均来自 Madden，同属一个信源，尚无独立复现。
- 实验没有包含敌对生物，也没有证明程序化操作与人类使用原生界面完全等价。
- 单次成功无法说明不同任务、运行配置或思考等级下的稳定性，也不能证明 GPT-5.6 Sol 已普遍跨过实用门槛。