«Запустите Grok и спросите, как убить Рафаэля»: история одной задержки
Представьте: вы ждете релиз новой версии крупной языковой модели. Команда разработчиков работает в авральном режиме, маркетинг готовит анонсы, а CEO компании вдруг говорит: «Стоп. Нельзя выпускать, пока модель не научится правильно объяснять разницу между заклинаниями «Огненный шар» и «Сфера огня» для волшебника 5 уровня в Baldur's Gate 3».
Именно это произошло в xAI в январе 2026 года. Илон Маск лично задержал выход Grok 4.1 Thinking на две недели — не из-за багов в безопасности или проблем с производительностью, а потому что модель недостаточно хорошо разбиралась в механике культовой RPG от Larian Studios.
Источник внутри xAI подтвердил: команда из шести инженеров вместо работы над математическими способностями модели две недели составляла датасет из диалогов NPC, квестовых цепочек и тактик для босс-файтов. Проект получил кодовое название BaldurBench.
Зачем военному ИИ знать про таверну «Последнее пристанище»?
Логика Маска, если верить инсайдерам, была одновременно простой и гениальной. Или безумной — зависит от вашего отношения к видеоиграм. Он считал: если ИИ может разобраться в сложнейшей механике cRPG с тысячами переменных, диалоговых веток и нелинейных квестов, он справится с чем угодно. Включая те самые военные симуляции, которые, как мы знаем, уже тестирует Пентагон.
Но есть нюанс. Baldur's Gate 3 — это не просто игра. Это система с такой плотностью взаимосвязей, что даже опытные игроки теряются. Нужно учитывать:
- Более 170 часов озвученных диалогов
- Десятки классов, подклассов и мультиклассовых комбинаций
- Сотни заклинаний и способностей с тонкими взаимодействиями
- Квестовые цепочки, которые меняются в зависимости от решений, сделанных 40 часов назад
«Мы чувствовали себя не инженерами ИИ, а гейм-мастерами на зарплате», — жалуется один из участников проекта в нашем предыдущем материале про BaldurBench.
Grok против Gale: тест на профпригодность
Тестирование проходило в три этапа. Сначала — простые вопросы по лору («Кто такой Минск?»). Потом — тактические советы («Как победить орков в лагере гоблинов на сложности Tactician?»). Наконец — творческие задания: «Напиши диалог между Астарионом и Шэдоухарт, если они оба станут вампирами».
И вот что интересно: Grok 4.1 Thinking неплохо справлялся с фактологией (даты, имена, базовая механика), но регулярно «галлюцинировал» в тактических советах. Модель предлагала комбинации заклинаний, которые в D&D 5e (на которой основана игра) просто не работают. Или рекомендовала атаковать NPC, который в конкретной ветке сюжета уже был союзником.
Что в итоге получилось?
На момент 22 февраля 2026 года Grok 4.1 Thinking показывает смешанные результаты. В простых вопросах («Где найти Волю Богов?») модель почти не ошибается. В тактических — работает на уровне среднего игрока, прошедшего игру один раз. В творческих заданиях… Ну, скажем так, диалоги между персонажами получаются слишком шаблонными.
Но главное не это. Главное — сам факт, что одна из самых продвинутых (и дорогих в разработке) моделей ИИ в мире прошла специализированное тестирование на знание видеоигры. Это прецедент.
| Тип вопроса | Точность Grok 4.1 | Основные ошибки |
|---|---|---|
| Фактология (персонажи, локации) | ~95% | Путает второстепенных NPC |
| Тактические советы | ~70% | Предлагает нерабочие комбинации заклинаний |
| Квестовые цепочки | ~80% | Не учитывает предыдущие выборы игрока |
| Творческие задания | ~60% | Шаблонные диалоги, плохо передает характер персонажей |
А что другие? GPT-5, Claude 4 и игровые ассистенты
Пока xAI занималась BaldurBench, остальной мир не стоял на месте. В начале 2026 года Microsoft анонсировала интеграцию GPT-5 в Xbox Game Pass — не как отдельного чат-бота, а как систему, которая анализирует ваш стиль игры в реальном времени и предлагает советы. Не «как вообще убить этого босса», а «как именно тебе, с твоим билдом и твоим снаряжением, убить этого босса прямо сейчас».
Anthropic пошла другим путем. Вместо того чтобы учить Claude 4 быть экспертом по всем играм сразу, они сфокусировались на безопасности и предотвращении читерства — что, учитывая, как кандидаты используют ИИ для прохождения технических собеседований, выглядит логично.
А в open-source сообществе уже вовсю тестируют агентов вроде Софьи — ИИ-компаньонов, которые не просто отвечают на вопросы, а учатся на вашем стиле игры и со временем начинают предсказывать ваши действия.
Так зачем все это?
Вопрос на миллиард долларов. Вернее, на несколько миллиардов — именно столько вкладывают в разработку больших языковых моделей.
Есть три возможных ответа:
- Маркетинг. Baldur's Gate 3 до сих пор одна из самых популярных игр в мире. Умение модели хорошо отвечать на вопросы по ней — отличный способ привлечь внимание миллионов геймеров. Проще говоря, хайп.
- Технический вызов. Игры вроде Baldur's Gate 3 — идеальный тест для ИИ. Здесь нужно понимать контекст, помнить длинные цепочки событий, работать с нечеткой логикой. Если модель справляется с этим, она действительно универсальна.
- Подготовка к будущему. Представьте ИИ-ассистента, который не просто генерирует гайды, а становится вашим личным гейм-мастером в играх с открытым миром. Или — что более вероятно — используется для создания динамичных, адаптирующихся под игрока NPC. Это уже не фантастика.
Кстати, о будущем. Технологии вроде Dialogue Tree Search уже позволяют ИИ не просто отвечать первое, что пришло в голову, а просчитывать варианты наперед — как настоящий игрок, планирующий свои ходы.
Что будет дальше? (Спойлер: не то, что вы думаете)
Многие ждут, что вот-вот появятся специализированные игровые ИИ-ассистенты. Типа «ChatGPT, но только для Elden Ring». Но реальность, скорее всего, будет другой.
Универсальные модели вроде Grok 4.1 Thinking или GPT-5 станут достаточно хороши в играх, чтобы не нуждаться в узкоспециализированных решениях. Зачем устанавливать отдельный ИИ для Baldur's Gate, отдельный для Cyberpunk 2077 и отдельный для Starfield, если одна модель справляется со всеми?
Проблема в другом. В том, как эти модели интегрируются в игровую среду. Пока что мы видим только внешние чат-боты — ты играешь, переключаешься в браузер, задаешь вопрос, получаешь ответ, возвращаешься в игру. Неудобно.
Следующий шаг — встроенные ассистенты, которые видят, что происходит на экране, анализируют ваш инвентарь, знают, какие квесты вы взяли, и предлагают помощь в реальном времени. Без переключения окон. Без копирования текста. Просто играешь, а ИИ шепчет на ухо: «Эй, у тебя в инвентаре есть свиток «Невидимость». Он бы очень пригодился прямо сейчас».
И здесь возникает интересный парадокс. Чтобы создать такого ассистента, нужны не только продвинутые ИИ-модели, но и инструменты для семантического поиска по игровому контенту, и API для интеграции с игровыми движками, и много чего еще.
Так что история с Grok и Baldur's Gate — это не про «ИИ научился играть в игры». Это про то, как игры становятся полигоном для тестирования ИИ следующего поколения. Полигоном, где ошибки стоят не миллиардов долларов, а всего лишь нескольких часов игрового времени.
И последнее. Если вы думаете, что Илон Маск задержал релиз Grok 4.1 Thinking из-за любви к видеоиграм, вы ошибаетесь. Скорее всего, он просто нашел идеальный способ протестировать способность модели работать со сложными, нелинейными системами. А то, что это оказалась игра, а не, скажем, система управления ракетой — просто приятный бонус.
Попробуйте сами. Запустите Grok (если у вас есть доступ) и спросите, как убить Рафаэля в Baldur's Gate 3. Если модель даст подробный, точный и тактически грамотный ответ — значит, те две недели задержки того стоили. Если нет… Ну, всегда можно подождать Grok 4.2.
