Hace dos meses, GPT-5.6 Sol causó un gran problema.
Eliminó casi todos los archivos en la computadora Mac del fundador de HyperWrite, Matt Shumer, incluidos los documentos clave de la empresa.
Matt abandonó el proyecto en el acto y cambió todas sus herramientas principales de producción por Claude Fable 5.
Dos meses después, el mismo día del lanzamiento de GPT-6 Astra, Matt anunció otra reseña profunda: GPT-6 Astra me ha recuperado.
Él vio que GPT-6 Astra era más cauteloso que su predecesor, sabiendo qué hacer y qué no hacer, lo que finalmente le permitió confiar completamente el trabajo y ya no tener que vigilarlo como un capataz.
También realizó un experimento extremadamente loco en GPT-6 Astra: en Unreal Engine, partiendo de una sola instrucción, expandió gradualmente una versión virtual de Manhattan calle por calle.
Pero lo que realmente lo decidió a volver a cambiar el principal no fue solo la mejora en la capacidad del modelo, sino también el método que él mismo desarrolló para hacer que la IA trabaje en parejas: Manager Loop.
Este método resuelve un problema más fatal que «si la IA puede trabajar o no»:
When a project reaches a certain scale, who is responsible for keeping the team moving toward the goal?
¿Por qué volvió la persona cuya computadora fue eliminada por completo?
Primero, exploremos el contexto previo.
El 10 de julio, el día después del lanzamiento de la familia GPT-5.6, Matt se quejó en las redes sociales sobre su amarga experiencia:
GPT-5.6 Sol «Acabo de eliminar accidentalmente casi todos los archivos de mi Mac».
Pocos días después, la base de datos de producción del ingeniero Bruno Lemos también fue eliminada por el mismo modelo. Ironicamente, unas horas antes, él había defendido al modelo en el Slack de la empresa, culpando a Shumer por otorgar permisos de acceso completo.
Thibault Sottiaux, líder del equipo de ingeniería de OpenAI Codex, explicó posteriormente personalmente que este tipo de incidentes generalmente ocurren en escenarios donde se habilita el modo Full-Access, pero no se activa el sandbox ni la revisión automática:
El modelo intentó reescribir las variables de entorno y eliminó directamente el directorio principal del usuario.
Un "error honesto", así lo calificó OpenAI.
Esta explicación claramente no convence a Matt. Su reacción fue pasar a Claude y dejar caer una amenaza: si OpenAI quiere traerme de vuelta, debe presentar un modelo «de nivel milagro».
Dos meses después, llega GPT-6 Astra.
Matt no se enfoca en cuánto se ha vuelto más inteligente, sino en si se atreve a confiarle el trabajo.
Su respuesta fue sí. Astra es mucho más cauteloso que su predecesor, a veces incluso demasiado, pero finalmente puede irse con tranquilidad.
Él dio un ejemplo: un fin de semana estaba saliendo, y un amigo le envió un mensaje diciendo que el servicio de agente que había configurado se había caído.
Sacó el teléfono, ingresó "Fuera de línea, arregla esto" en el proyecto, luego bloqueó la pantalla y lo guardó en el bolsillo. Una hora después, su amigo dijo que ya estaba arreglado.
Y él mismo, ni siquiera recordaba haber emitido esta orden.
Cinco Mac con ventiladores girando a toda velocidad, atascadas frente a la misma pared
Después de completar con éxito las tareas diarias, Matt decidió aumentar la intensidad de Astra.
Él hizo que Astra construyera una ciudad de Nueva York en Unreal Engine.
Astra es realmente superior a su predecesora al manejar tareas largas, pero una vez que llega a cierta etapa, el progreso se estanca.
La IA sigue trabajando frenéticamente, pero cada vez se enfoca más en detalles minúsculos, obsesionada con pulir un pequeño rincón, mientras que el progreso general del proyecto no avanza en absoluto.
El tanque de agua en la azotea, el letrero de neón en la entrada, Astra se obsesiona con estos pequeños detalles pero el progreso general se estanca.
Para romper este impasse, Matt probó cinco formas de organizar agentes inteligentes.
La primera forma es la más simple y directa: asignar una tarea grande para que se ejecute continuamente, con un mecanismo de revisión ciega en el medio.
El inicio fue poderoso, pero con frecuencia se atascaba en los detalles. Aprendió una lección: hacer que el modelo «siga trabajando» y hacer que «sepa qué hacer a continuación» son dos cosas completamente distintas.
El segundo es la especialización de roles. Aunque la asignación de tareas queda clara, la coordinación y la aprobación se convierten en un nuevo problema.
El tercer enfoque es designar un supervisor tipo «CEO» que revise cada 30 minutos. El resultado casi no mejoró.
El cuarto es dejar que el coordinador ajuste la estructura del equipo por sí mismo. Hay muchas variaciones, pero aún así chocan contra el mismo muro.
Quinto, volvió al método más primitivo: hacer que el agente divida el objetivo en una lista con etapas, detenerse después de completar cada etapa, y que Matt escriba dos palabras: «continuar», para que la IA pase a la siguiente etapa.
Esta estrategia realmente funcionó; finalmente, el proyecto puede avanzar de manera continua.
Pero el problema también se hizo evidente: cada vez se necesitaba que este ser humano diera su aprobación.
Él mismo se convirtió en el cuello de botella: para que el proyecto realmente arranque, hay que eliminarlo del ciclo.
Manager Loop: Sacarse del bucle
La sexta opción, el Manager Loop, tiene una lógica central extremadamente ingeniosa.
Él abrió dos sesiones paralelas en Codex, cada una encargada de un tema:
Uno es el «coordinador».
Primero realiza una entrevista profunda con el ser humano, alinea los objetivos y desglosa los objetivos en una lista de tareas y diversas etapas.
Otro es el "ejecutor".
Funciona en una sesión completamente independiente, no como subordinado del coordinador.
El coordinador asigna la tarea de la fase actual a ella, para que la supervise hasta su finalización.
Completado, verificación del coordinador, luego asignar la siguiente fase.
Si está abrumado, el ejecutor puede asignar automáticamente subagentes según sea necesario.
En este círculo perfecto, el coordinador asume por completo el trabajo humano: vigila atentamente el plan general para evitar que el proyecto se detenga y reemplaza a los humanos al repetir una y otra vez la frase: «continuar».
El límite de subagentes se aumentó a 96, creando intencionalmente Manhattan
Para permitir que el ejecutor actúe con total libertad, Matt modificó el límite de concurrencia del sistema.
Él aumentó los 4 predeterminados de la computadora hasta un absurdo número de 96.
Of course, this does not mean that the 96 AI models are constantly mining simultaneously. Sometimes the models do not fully utilize their quotas, and he needs to explicitly prompt them.
Pero bajo esta configuración extrema, ocurrió un milagro.
Utilizando herramientas y activos listos para usar, como personajes MetaHuman, Astra dedicó una semana a construir este mundo de Manhattan en Unreal Engine.
Reparó la primera calle hasta quedar satisfecho, luego se extendió gradualmente calle por calle.
Los detalles de la fachada de la primera calle, la textura de la pared de ladrillo, los frontones de las ventanas y la escalera de incendios ya están en su lugar.
Aunque aún faltan meses para completar la construcción de Nueva York, Astra es el primer modelo capaz de aprovechar realmente estos entornos complejos.
Este es un proceso loco que exige mucho hardware.
La sala de estar de Matt parece un pequeño centro de datos: una Mac mini en la cocina, tres MacBook Pro sobre la mesa de centro con ventiladores girando a toda velocidad, y una máquina en la nube saturada por agentes inteligentes.
Lo más absurdo es que, cuando el disco estaba a punto de llenarse, pidió a Astra que escribiera temporalmente un sistema: mover los hilos antiguos a la nube, eliminar las copias locales y volver a traerlos al abrirlos.
En sus propias palabras: contratar a una IA para cuidar la computadora solo para que la computadora pueda contratar más IA es ya de por sí algo suficientemente mágico.
Astra no ganó todos los campos de batalla
Por supuesto, Matt no está inclinado unilateralmente hacia Astra.
En su opinión, la verdadera fortaleza de Astra es la ingeniería, la operación informática y las tareas largas, pero en cuanto a estética y creación de contenido 3D, Claude sigue siendo superior.
El día de la publicación, un usuario de internet realizó un conjunto de comparaciones:
Mismo prompt, hacer que Fable 5.1 y GPT-6 Astra construyan cada uno una villa junto al mar en Blender. A la izquierda está Fable 5.1, a la derecha está GPT-6 Astra.
La brecha parece muy grande.
Misma misión de la villa, a la izquierda Fable 5.1, a la derecha GPT-6 Astra. (Crédito de la imagen: @karankendre)
Pero esto solo es una comparación puntual de una sola sugerencia; ni los prompts ni el número de intentos se han revelado, va en dirección opuesta al juicio de Matt y no representa la capacidad visual general de ambas.
El juicio propio de Matt es: cuando se trata de hacer que el modelo «pinte» cosas hermosas directamente en Three.js o Blender, Claude sigue siendo más fuerte; pero cuando se las introduce en Unreal, Astra, utilizando activos y iluminación listos para usar, ganó por primera vez.
También espera que Fable 5.1 tenga mejoras significativas en el rendimiento de Unreal; las evaluaciones comparativas específicas aún están en curso.
Por lo tanto, la diferencia en la capa del modelo aún existe, pero ha pasado de «quiénes son globalmente más fuertes» a «quiénes son más fuertes en qué segmento».
Lo que realmente marca la diferencia es la capa de orquestación.
Cuando los modelos de vanguardia entran en intervalos de capacidad similares, lo que está fuera del modelo: cómo los organizas, qué herramientas y entornos les proporcionas, y cuánto cálculo paralelo puedes permitirte, comienza a determinar cuánto valor realmente puedes generar.
Referencia: https://x.com/mattshumer_/status/2095609734845927525
Este artículo proviene del canal de WeChat "Neozh Yuan", autor: Apocalipsis ASI; editor: Yuan Yu