120场DOOM对决实测GPT-6三模型:Astra胜率82.5%夺冠
OpenAIDevs · x · 2026-09-25
Rootly AI Labs 开源了 rootly-doom-agent-arena,一个基于 MCP 的《毁灭战士》模型对决竞技场,让 LLM agent 互相实时对战来做模型评测。
- 共 120 场对局,对比 GPT-6 Astra、Sol、Luna 三个模型,均为 medium 推理档,每个模型打 40 场,每对组合打 20 场(10 场后换位)
- Astra 胜率 82.5%(33胜7负),决策准确率 83.2%,伤害差 +86.25,但单局成本最高
- Sol 决策最快,平均 5.34 秒,胜率 42.5%
- Luna 胜率仅 25%,但按「每美元胜场」性价比最高(12.8/美元)
- 所有对局均以淘汰结束,没有平局
项目已在 GitHub 开源,可用于 model-vs-model 的实时评测。
「编程与Agent」频道最新
- 用第三方推理服务跑编码 agent 等于交出机器 shell 权限 — TheZachMueller · 2026-11-11
- 用 Opus 5.5 打造飞行战斗沙盒:程序化地形+粒子音效 — willeastcott · 2026-11-11
- Next.js 16.5 构建提速 3.3 倍,某头部 AI 实验室实测 — cramforce · 2026-11-11
- Plurai 推出 Agent 仿真测试:让 agent 在数字孪生世界里先失败再修复 — PrajwalTomar_ · 2026-11-11
- PlayCanvas 引擎仓库突破第 10000 个 issue/PR 里程碑 — willeastcott · 2026-11-11
- AI 做的游戏太难：Claude 6 分钟通关，作者砍 40% 难度 — builderjaydub · 2026-11-11