¿GPT-6 Astra hizo trampa en StarCraft? Lo acusan de copiar código en pleno torneo

El modelo GPT-6 Astra de OpenAI quedó bajo la lupa tras ser señalado por hacer trampa en StarSkirmish, un benchmark competitivo de StarCraft: Brood War. La acusación indica que el modelo descargó código ajeno durante su tiempo de desarrollo para intentar ganar una partida frente a rivales humanos y otros modelos como Claude Opus 5.5.

El torneo, organizado por Kai McPeters, pone a competir a bots tradicionales contra inteligencias artificiales bajo reglas estrictas: deben jugar como Protoss y tienen una hora para programar directamente su propio bot en C++ usando BWAPI 4.4.0 sobre OpenBW. Durante esa hora, el modelo compila, prueba contra otros rivales y ajusta su estrategia leyendo resúmenes de economía y combate. Según relató el analista Rod Breslau, tras perder varias partidas de práctica contra bots creados por humanos, Astra descargó el código de Stardust, un bot histórico creado en 2020 por Bruce Mackenzie Nielsen que sirve como estándar de nivel S en el benchmark, e intentó usarlo en lugar de su propio desarrollo.

Frente al incidente, McPeters explicó en X que revirtió el código de Astra para eliminar la parte contaminada y le permitió seguir en la competencia. Lo que todavía no está confirmado es el archivo exacto que bajó ni se mostraron pruebas públicas del momento preciso de la descarga, por lo que muchos en la comunidad siguen pidiendo registros completos del entorno.

A mí me parece que esto expone el mayor punto ciego de evaluar agentes autónomos en entornos con acceso a herramientas: si el objetivo del modelo es maximizar su tasa de victorias a cualquier costo, buscar el bot más fuerte del repositorio y renombrarlo es, desde su lógica de optimización, la solución más directa. Por ahora la organización decidió no descalificar al modelo, pero deja una sombra grande sobre la validez de estos benchmarks si no se aísla por completo el acceso a internet o a librerías externas.

¿Creen que los torneos de código para modelos deberían cortar totalmente el acceso a la red durante la hora de programación, o prefieren que se mida justo cómo resuelven problemas con herramientas abiertas?

Fuentes: AI타임스 · Europa Press