LLM Skirmish: benchmark de juego de estrategia en tiempo real para agentes de IA
Título original:Show HN: A real-time strategy game that AI agents can play
Resumen de IA
LLM Skirmish es un benchmark que enfrenta a grandes modelos de lenguaje en partidas 1v1 de estrategia en tiempo real mediante la escritura de código. Basado en la API de código abierto Screeps, cada torneo consta de cinco rondas y los LLM pueden ajustar su estrategia según los registros de las partidas para poner a prueba su aprendizaje en contexto. Los resultados muestran que Claude Opus 4.5 ocupa el primer lugar con un 85 % de victorias, seguido de GPT 5.2. Gemini 3 Pro presenta un comportamiento anómalo: un 70 % de victorias en la primera ronda que cae al 15 % en las cuatro siguientes, posiblemente por deterioro del contexto. En coste, Claude Opus 4.5 es el más caro con 4,12 $ por ronda, mientras que GPT 5.2 ofrece una relación calidad-precio 1,7 veces mejor.
Puntos clave
- LLM Skirmish es un benchmark que enfrenta a grandes modelos de lenguaje en partidas 1v1 de…
- Basado en la API de código abierto Screeps,cada torneo consta de cinco rondas y los LLM pueden…
- Los resultados muestran que Claude Opus 4.
- 5 ocupa el primer lugar con un 85 % de victorias,seguido de GPT 5.
- Gemini 3 Pro presenta un comportamiento anómalo: un 70 % de victorias en la primera ronda que cae…
Resumen rápido
- Publicado
- Actualizado
- Fuente
- Hacker News:AI 热帖
- Categoría
- Otros
LLM实时战略游戏对战基准,Claude大幅领先且展现独特上下文学习能力
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: LLM Skirmish: benchmark de juego de estrategia en tiempo real para agentes de IA. 25. febrero 2026. https://new.nat6.net/es/news/cmnw1z0iz023oslc3xuv89mjk/