自制 CrusaderBench:Gemini 4 Argon 战略游戏首秀登顶胜 Opus 5.5
Hesamation · x · 2026-10-14
- 作者自建 CrusaderBench,用《要塞十字军》测试各模型在战略游戏中发展经济的能力,考察战略推理、规划、computer use 与工具调用;Gemini 4 Argon 得 61.7 分排第一,领先 Claude Opus 5.5(51.4),Argon 自评这是它见过设计最好的游戏基准。
- 各模型表现:Opus 是很强的战略玩家;Sonnet 与 Haiku 意外偷懒,常提前摆烂 idle;GPT 系列持续稳定(GPT-6.1 Sol 46.6、GPT-6 Luna 36.8);Kimi K3 会用建筑但战略差;GLM 5.3 Flash 远超预期(27.6);Muse Wonder 3 表现不错(35.6);Claude Haiku 5.5 垫底(20.4)。
- 基准按净值 80%、人口 10%、人气 10% 计分,0 分代表无所作为,100 分为人类玩家水平;部分模型还需多次重跑去噪。
所属事件:自建 CrusaderBench 测试中 Gemini 4 Argon 夺冠(2 条相关)→
「模型」频道最新
- Gemini 4 Argon 3D 设计质量惊艳早期用户 — prajdabre · 2026-10-14
- Google EmbeddingGemma2 CPU 实测:性能比肩 OpenAI 旗舰嵌入模型 — tomaarsen · 2026-10-14
- Physical Intelligence 开放 Pi API Beta,支持用自有数据微调 π0 系机器人模型 — chelseabfinn · 2026-10-14
- 研究者称曾让 Argon 挑战破解印度河谷文字,仅推进有限 — adityakusupati · 2026-10-14
- 曝 Gemini 4 Argon 跑分泄露,趋势与 Astra 高度一致 — scaling01 · 2026-10-14
- 实测:Gemini 4 Argon 医学知识基准超 GPT-6-Astra 和 Opus 5.5 — toshv · 2026-10-14