PokeBench：让大模型玩宝可梦红，Opus 5.5 八美元击败小刚

PokeBench 基准让各前沿模型在完全相同条件下挑战《宝可梦红》首个道馆：置于初始存档，只提供 Game Boy 屏幕、11 个按键、每回合截图、游戏状态与屏幕文字，无攻略、无寻路、无地图提示，统一 prompt，要求 1000 回合内击败小刚。结果显示 Claude Opus 5.5 仅花约 8 美元击败 Brock，而 Fable 花费高达 100 美元。

2026-09-26 ~ 2026-09-27 · 2 条相关