Crusader Bench:让 15 个模型玩《要塞十字军》,GPT-6.2 Sol 居首
Hesamation · x · 2026-11-20
Hesamation 分享了一个独立 AI Agent 基准 CrusaderBench:让模型通过截图读取游戏状态、用鼠标键盘操作,在 3 张地图上各运营《要塞十字军》中世纪村庄 33-45 游戏分钟,经济得分以 0=无所作为、100=真人玩家为标尺(净值 80%、人口 10%、声望 10%)。
主要结果:
- GPT-6.2 Sol 总分领先,在 The Sinkhole 得 55.7,无武器版本得 60.2,Large Barren Desert(无武器)高达 123.0
- Gemini 4 Neon 是唯一在玩法上匹配 Claude Fable 5.2 的非 GPT 模型
- 排行还包括 GPT-6.1 Sol、Claude Opus 5.5、Kimi K3.1 Pro、DeepSeek V4.1 Flash、GLM 5.3 Flash 等
- 另有「得分 vs 成本」帕累托前沿图和人口增长对比
赛后采访很有梗:Claude Fable 5.1 自述「我从没核对过实际转化率,只按单价推理,结果搞反了」。
所属事件:CrusaderBench 排行:GPT 6.2 Sol 79 分登顶,Gemini 4 Neon 居次席(2 条相关)→
「模型」频道最新
- Reddit 热议:29 美元买到 200 美元档 Claude Max 账号,灰产怎么赚钱? — mehdiweb · 2026-11-20
- Gemini 4 Neon 体感优于 Carbon,但缓存命中率与首延迟拖后腿 — lyraxana · 2026-11-20
- LMArena 上架 Peter Gostev 提示词合集,可在其 YouTube 频道观看 — arena · 2026-11-20
- CrusaderBench 排行:GPT 6.2 Sol 79 分登顶,Gemini 4 Neon 居次席 — Hesamation · 2026-11-20
- Cloudflare 发布开源多模态模型 clairic,基于 Qwen3.5 做信息抽取 — Cloudflare · 2026-11-20
- OpenAI 内部再现「Code Red」,Google 翻盘让对手感受到压力 — iruletheworldmo · 2026-11-20