自制 RTS 游戏 Agent 基准:GPT-6.2 Sol 得分 98.9 横扫全场
asimpleabstraction · reddit · 2026-11-21
开发者 asimpleabstraction 连续第 15 天开发专供 Agent 对战的专有 RTS 游戏,并跑出 v0.2 基准排行榜(30 局天梯、对固定 bot 策略集、95% 置信区间)。
排行榜要点:
- GPT-6.2 Sol 得分 98.9,超过 Champion bot(83.3)等所有参考 bot,横扫各难度
- GPT-6.2 Astra 76.7、Gemini 4 Neon 72.2、GPT-6 Astra 67.8
- Claude Fable 5.2 仅 46.7,Claude Opus 5.5 43.3,GLM 5.3 42.2
- DeepSeek V4.1 Flash 28.9、Qwen4 Max 25.6
基准设计:Agent 需在四个风格不同的战场制定策略、管理全局共享资源、跨战场调度队列、同时攻防微操并编写 bot 策略,还可能要与异构模型 Agent 或人类协作。由于对局对称、bot 行为按版本冻结,作者认为评测足够严格。基准链接、实时观战和 GitHub 已公开。
「模型」频道最新
- Anthropic 数学家称与 Claude 合作发现黎曼猜想证明 — haider1 · 2026-11-21
- 黎曼猜想或被攻克:Anthropic数学家称与Claude共同完成证明 — rohanpaul_ai · 2026-11-21
- Claude 协助攻破 167 年未解的黎曼猜想,全程约六周并已形式化 — rohanpaul_ai · 2026-11-21
- 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