让 LLM 写代码打《星际争霸》，StarSkirmish 榜单更新
__cayenne__ · hn · 2026-10-16
作者更新了 StarSkirmish Bench：一个让 LLM 通过写代码玩《星际争霸：母巢之战》的基准，最新结果涵盖 OpenAI、Anthropic、Google 的旗舰模型以及 Muse（Gemini 4 Argon 也在其中实测）。用即时战略游戏考察模型的长程规划与代码生成能力，可横向对比各家旗舰表现。
「模型」频道最新
- Boundless 推出去除拒答的 DeepSeek V4.1 Flash,专供防御性安全测试 — MoonL88537 · 2026-10-23
- Anthropic 用 Claude 为 100+ 开源库写下汇编级安全形式化证明 — AnthropicAI · 2026-10-23
- 模型处于"恐怖谷"?研究者提醒:别大意,Agent 仍会删库跑路 — danielrock · 2026-10-23
- 社区发布 Qwen 3.8 Flash Next 去审查量化版，4-bit 附 Strata 全套文件 — jjusko20 · 2026-10-23
- 爆料称 Anthropic 正训练对标 OpenAI 内部模型的新模型 — imjustnewatai · 2026-10-23
- AI 研究者：Claude 替我完成了多年前放弃的繁琐研究任务 — MikePFrank · 2026-10-23