Sentdex 用 Halite 对局测试 LLM:DSV4.1 Flash 对阵 GLM 5.3 Flash
Sentdex · x · 2026-09-18
知名技术 UP 主 Sentdex 展示了一个把经典博弈类 AI 游戏用于评测 LLM 的新系列:让模型拿到完整规则与状态后自行选择走法,进行对弈。首场放出了 DeepSeek V4.1 Flash 与 GLM 5.3 Flash 的 Halite 对局,两者均以 NVFP4 量化运行。他表示计划系统性地回顾历史上的经典 AI/逻辑游戏并以此对 LLM 做基准测试,已观察到不少有趣结果,后续会持续发布。
「模型」频道最新
- Karpathy 描绘 LLM「认知内核」愿景,JEV 被视为其雏形 — Paimaamu · 2026-09-18
- AI 数据实验室主张：通用合成数据比模型架构更关键 — Paimaamu · 2026-09-18
- 转售 API 低价模型暗藏风险：Agent 会直接执行响应中的 bash 命令 — airesearch12 · 2026-09-18
- GPT-6 Astra 机器人控制基准碾压 Claude Fable 5.1:成功率 35% 对 15% — k7agar · 2026-09-18
- 曝 OpenAI 用下一代模型「Doug」逼近破解千禧年大奖难题 Hodge 猜想 — kimmonismus · 2026-09-18
- 付费模型版本静默退化无公告，用户靠"金样本"回归测试自保 — Ok-Independent3290 · 2026-09-18