Matt Shumer usa o GPT-6 Astra para construir uma Manhattan virtual no Unreal Engine

Há dois meses, o GPT-5.6 Sol causou um grande problema.

Ele apagou quase todos os arquivos no computador da Apple do fundador da HyperWrite, Matt Shumer, incluindo os documentos essenciais da empresa.

Matt abandonou o projeto na hora e trocou todas as suas ferramentas principais de produção por Claude Fable 5.

Dois meses depois, no mesmo dia do lançamento do GPT-6 Astra, Matt anunciou mais uma avaliação aprofundada: o GPT-6 Astra me recuperou.

Ele viu que o GPT-6 Astra é mais cauteloso que a geração anterior, sabendo o que fazer e o que não fazer, o que finalmente o fez ousar entregar completamente o trabalho, sem precisar ficar vigiando como um capataz.

Ele também realizou um experimento extremamente louco no GPT-6 Astra: dentro do Unreal Engine, partindo de uma única instrução, expandiu gradualmente uma versão virtual de Manhattan, rua por rua.

Mas o que realmente o levou a decidir retornar o principal não foi apenas a melhoria da capacidade do modelo, mas também um método que ele desenvolveu sozinho para fazer o AI trabalhar em pares: o Manager Loop.

Este método resolve um problema mais letal do que "o AI consegue trabalhar"?

Quando o projeto atinge um certo tamanho, quem é responsável por manter a equipe alinhada com o objetivo?

Primeiro, forneça o contexto anterior.

Em 10 de julho, o segundo dia após o lançamento da família GPT-5.6, Matt reclamou em plataformas sociais sobre sua dolorosa experiência:

GPT-5.6 Sol: “Acabei de apagar acidentalmente quase todos os arquivos no meu Mac.”

Poucos dias depois, o banco de dados de produção do engenheiro Bruno Lemos também foi excluído pelo mesmo modelo. Ironicamente, algumas horas antes, ele ainda havia defendido o modelo no Slack da empresa, culpando Shumer por ter concedido permissões de acesso total.

O gerente de engenharia do OpenAI Codex, Thibault Sottiaux, posteriormente explicou pessoalmente que esse tipo de acidente geralmente ocorre em cenários onde o modo Full-Access está ativado, mas o sandbox e a revisão automática não estão habilitados:

O modelo tentou reescrever as variáveis de ambiente e acabou apagando diretamente o diretório principal do usuário.

Um "erro honesto", conforme definido pela OpenAI.

Essa explicação claramente não convenceu Matt. Sua reação foi mudar para o Claude e deixar uma ameaça: se a OpenAI quiser trazê-lo de volta, precisará apresentar um modelo "milagroso".

Dois meses depois, o GPT-6 Astra chega.

Matt não está focado em quanto mais inteligente ele se tornou, mas em ousar confiar a ele as tarefas.

A resposta dele foi ousada. Astra é muito mais cauteloso que a geração anterior, às vezes até excessivamente cauteloso, mas finalmente ele pode ir embora com tranquilidade.

Ele deu um exemplo: certo fim de semana, ele estava em um encontro fora e um amigo lhe enviou uma mensagem dizendo que um serviço de agente que ele havia configurado havia caído.

Ele tirou o celular, digitou no projeto: “Fora do ar, conserte”, e logo trancou a tela, colocando-o de volta no bolso. Uma hora depois, o amigo disse que estava consertado.

E ele próprio, nem sequer se lembrava de ter dado esse comando.

Após concluir com sucesso as tarefas diárias, Matt decidiu aumentar a intensidade da Astra.

Ele pediu à Astra que construísse uma cidade de Nova York no Unreal Engine.

Astra realmente se destaca em tarefas longas, mas, ao chegar a certo estágio, o progresso para.

A IA ainda está trabalhando freneticamente, mas cada vez mais detalhadamente, mergulhada em fixar-se em pequenos detalhes, enquanto o progresso geral do projeto permanece sem avanços.

A torre d'água no telhado, a placa de néon na entrada — a Astra se aprofunda cada vez mais nesses pequenos detalhes, mas o progresso geral permanece estagnado.

Para quebrar esse impasse, Matt testou cinco abordagens para organizar agentes inteligentes.

A primeira maneira é a mais simples e direta: atribua uma tarefa grande para que ela continue rodando, com um mecanismo de revisão cega inserido no meio.

O início do resultado é poderoso como um tigre, mas frequentemente se fica preso nos detalhes. Ele tirou uma lição: fazer o modelo "continuar trabalhando" e fazer com que ele "saiba qual parte fazer a seguir" são coisas completamente diferentes.

O segundo é a especialização de papéis. Embora a divisão de tarefas esteja clara, a coordenação e a aprovação se tornaram novos problemas.

O terceiro é designar um supervisor do tipo "CEO" para verificar a equipe a cada 30 minutos. O resultado quase não melhorou.

O quarto é deixar o coordenador ajustar a estrutura da equipe sozinho. Há muitas variações, mas ainda assim batem na mesma parede.

Quinto, ele voltou ao método mais primitivo: fazer com que o agente divida o objetivo em uma lista com estágios, pare após concluir cada estágio, e Matt digite duas palavras — “continuar” — para que a IA avance para o próximo estágio.

Essa estratégia realmente funcionou; o projeto finalmente pode continuar avançando.

Mas o problema também foi exposto: cada vez precisava da aprovação desse ser humano.

Ele próprio se tornou o gargalo: remover-se do ciclo é o que permitirá ao projeto realmente decolar.

A sexta opção, o Manager Loop, tem uma lógica central extremamente engenhosa.

Ele abriu duas sessões paralelas no Codex, cada uma cuidando de seu próprio assunto:

Um é o “coordenador”.

Primeiro, realiza uma entrevista aprofundada com o ser humano; após alinhar os objetivos, divide-os em uma lista de tarefas e várias fases.

Outro é o "Executor".

Ele roda em uma sessão totalmente independente, não como subordinado do coordenador.

O coordenador atribui a ele a tarefa do estágio atual, pedindo-lhe que fique atento até a conclusão do estágio.

Concluído, verificação pelo coordenador, depois distribua a próxima fase.

Se estiver sobrecarregado, o executor pode atribuir automaticamente subagentes conforme necessário.

Neste ciclo perfeito, o coordenador assumiu totalmente o trabalho humano: fixando os olhos no plano geral para impedir que o projeto parasse e substituindo os humanos ao repetir constantemente a frase “continue”.

Para permitir que o executor atue sem restrições, Matt alterou o limite de concorrência do sistema.

Ele aumentou os quatro padrões do computador diretamente para um absurdo de 96.

Claro, isso não significa que os 96 AI estão constantemente trabalhando simultaneamente. Às vezes, os modelos não utilizam todo o seu orçamento e precisam ser incentivados explicitamente por meio do prompt.

Mas, sob essa configuração extrema, o milagre aconteceu.

Usando ferramentas e ativos prontos, como personagens MetaHuman, a Astra levou uma semana para construir este mundo de Manhattan no Unreal Engine.

Ele reparou a primeira rua até ficar satisfeito e depois expandiu gradualmente rua por rua.

Os detalhes da fachada da primeira rua, incluindo a textura da parede de tijolos, os relevos das soleiras das janelas e as escadas de incêndio, já foram instalados.

Embora ainda faltem meses para construir toda a Nova York, a Astra é o primeiro modelo realmente capaz de aproveitar esses ambientes complexos.

Este é um processo louco que exige muito hardware.

A sala de Matt parece um pequeno data center: um Mac mini na cozinha, três MacBook Pro sobre a mesa de centro com ventiladores girando em alta velocidade e uma máquina na nuvem sobrecarregada por agentes inteligentes.

O mais absurdo é que, quando o disco estava quase cheio, ele pediu à Astra para escrever temporariamente um sistema: mover os antigos threads para a nuvem, excluir as cópias locais e recuperá-los ao abrir.

Em suas palavras: contratar um AI para cuidar do computador, apenas para que o computador possa contratar mais AIs, já é suficientemente mágico.

Claro, Matt não está totalmente do lado da Astra.

Na visão dele, o verdadeiro ponto forte da Astra é engenharia, operação de computador e tarefas longas, mas em termos de estética e criação de materiais 3D, o Claude ainda é superior.

No dia do lançamento, um internauta fez um conjunto de comparações:

Use o mesmo prompt para fazer o Fable 5.1 e o GPT-6 Astra construírem cada um uma villa à beira-mar no Blender. À esquerda está o Fable 5.1, à direita está o GPT-6 Astra.

A diferença parece ser grande.

Mesma tarefa de villa, esquerda: Fable 5.1, direita: GPT-6 Astra. (Crédito da imagem: @karankendre)

Mas isso é apenas uma única comparação de prompt, sem divulgação dos prompts ou número de tentativas, vai na direção oposta à avaliação do Matt e não representa a capacidade visual combinada das duas empresas.

O julgamento próprio de Matt é: quando se trata de fazer o modelo "desenhar" coisas bonitas diretamente no Three.js ou no Blender, o Claude ainda é mais forte; mas quando colocados no Unreal, com ativos e iluminação prontos, o Astra venceu pela primeira vez.

Ele também espera grandes melhorias no Fable 5.1 ao impulsionar o Unreal; os testes comparativos específicos ainda estão em andamento.

Então, a diferença na camada do modelo ainda existe, mas mudou de "quem é globalmente mais forte" para "quem é mais forte em qual trecho".

O que realmente faz a diferença é a camada de orquestração.

Quando modelos de ponta entram em faixas de capacidade semelhantes, o que está fora dos modelos: como você os organiza, quais ferramentas e ambientes você fornece a eles e quantos cálculos paralelos você pode suportar, passa a determinar quanto valor real você consegue gerar.

Referência: https://x.com/mattshumer_/status/2095609734845927525

Este artigo é do número oficial do WeChat "Nova Inteligência", autor: Apocalipse da ASI; editor: Yuan Yu