PokeBench：给前沿 LLM 1000 回合挑战宝可梦红首个道馆
VibeCodyH · reddit · 2026-09-26
PokeBench 给每个模型完全相同的条件：Game Boy 屏幕、11 个按键、可通行网格和 1000 回合，要求打败小刚，无攻略、无寻路、无提示，统一 prompt。评分采用 10 级里程碑阶梯（出门、选御三家、到达 1 号道路……击败小刚），未通关也能按进度排名。
- 目前 14 次运行中 4 次拿到徽章
- 最佳成绩：GPT-6 Astra 用 246 回合通关
- 最便宜的通关：Gemini 3.8 Flash，仅花 $3.70
- 本地免费模型 Muse Glimmer 30B 烧完 1000 回合，止步「到达 1 号道路」
完整的逐回合日志、成本和录像都在 pokebench.tv 公开。
所属事件:PokeBench：让大模型玩宝可梦红，Opus 5.5 八美元击败小刚(2 条相关)→
「模型」频道最新
- 谷歌开源 Harness²：能自己改写系统配置的智能体框架 — Arindam_1729 · 2026-11-11
- 开发者吐槽 Codex 桌面版质量差，弃用客户端改走 CLI — tekbog · 2026-11-11
- 旧模型发布前「变笨」？网友调侃：其实是实验室开派喝醉了 — glcst · 2026-11-11
- Grok Bot 新增隐藏指令检测：发现 prompt 注入即警告并拒绝执行 — XFreeze · 2026-11-11
- 上海创新院开源 Nex-N2.6：321B 多模态智能体模型 — victormustar · 2026-11-11
- Nex-N2.6 发布：约 321B 参数 FP8 开源权重，重复循环失败率从 16% 降至 1.6% — Physical_Hat4022 · 2026-11-11