自建 RTS 智能体基准:GPT-6.2 Sol 拿 98.9 胜率碾压全场
asimpleabstraction · reddit · 2026-11-21
Reddit 用户 asimpleabstraction 连续第 15 天开发面向 agent 的专有 RTS 游戏,并发布了配套基准 ACBench v0.2:让各模型 agent 在完全对称的对局中,对抗一套冻结的分级 bot 策略(30 局天梯,误差棒为 95% 区间)。
该基准要求 agent 同时做到:管理四个风格不同的战略平面并撰写复杂策略、统筹全局共享资源、跨平面排队造兵、边防守边进攻边写 bot 策略、必要时与异构模型 agent 或人类协作。
配图榜单显示:GPT-6.2 Sol 以 98.9 胜率高居第一,甚至超过内建 Champion bot(83.3)和 Elite bot(78.3)两个参考线;GPT-6.2 Astra 76.7、Gemini 4 Neon 72.2、GPT-6 Astra 67.8 紧随其后;Claude Fable 5.2(46.7)、Claude Opus 5.5(43.3)、GLM 5.3(42.2)居中;DeepSeek V4.1 Flash(28.9)和 Qwen4 Max(25.6)垫底。作者称对称对局使每版本 bot 行为不变,评测较为严谨,并征求读者建议还应测试哪些模型。
「模型」频道最新
- Claude「证明黎曼猜想」遭拆穿:25 万页 slop,定理开头是同义反复 — basedjensen · 2026-11-21
- GPTZero 扫描百万级引用:顶会引用幻觉率不降反升,与两年前一样糟 — HanchungLee · 2026-11-21
- 投资人吐槽按 token 计费:验证输出多烧几亿 token,该按结果付费 — jasondeanlee · 2026-11-21
- 自制 RTS 游戏 Agent 基准:GPT-6.2 Sol 得分 98.9 横扫全场 — asimpleabstraction · 2026-11-21
- 4700 票营销实测:GPT-6.2 Sol 58% 胜率击败 Opus,单价仅 0.04 美元 — boringmarketer · 2026-11-21
- 爆料梳理:Neon、Carbon、Argon、Sodium 模型代号谱系曝光 — dejanseo · 2026-11-21