LLM Skirmish: benchmark ng real-time strategy game na kayang laruin ng AI agent
Orihinal na pamagat:Show HN: A real-time strategy game that AI agents can play
AI summary
Ang LLM Skirmish ay isang benchmark na nagpapalaro sa malaking modelo ng wika ng 1v1 real-time strategy game sa pamamagitan ng pagsulat ng code. Batay sa open source API ng Screeps, may limang round ang bawat tournament, at kayang i-adjust ng LLM ang strategy batay sa match log para subukan ang context learning ability. Ipinapakita ng resulta na nangunguna ang Claude Opus 4.5 na may 85% win rate, sumunod ang GPT 5.2. Kakaiba ang performance ng Gemini 3 Pro: 70% win rate sa unang round, biglang bumaba sa 15% sa huling apat na round, pinaghihinalaang dahil sa context rot. Sa gastos, pinakamahal ang Claude Opus 4.5 sa $4.12 kada round, at 1.7x na mas cost-effective ang GPT 5.2.
Mahahalagang impormasyon
- Ang LLM Skirmish ay isang benchmark na nagpapalaro sa malaking modelo ng wika ng 1v1 real-time…
- Batay sa open source API ng Screeps,may limang round ang bawat tournament,at kayang i-adjust ng…
- Ipinapakita ng resulta na nangunguna ang Claude Opus 4.
- 5 na may 85% win rate,sumunod ang GPT 5.
- Kakaiba ang performance ng Gemini 3 Pro: 70% win rate sa unang round,biglang bumaba sa 15% sa…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- Hacker News:AI 热帖
- Kategorya
- Iba pa
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
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: LLM Skirmish: benchmark ng real-time strategy game na kayang laruin ng AI agent. 25 Pebrero 2026. https://new.nat6.net/fil/news/cmnw1z0iz023oslc3xuv89mjk/