LLM Skirmish: AI एजेंट के लिए खेलने योग्य रीयल-टाइम रणनीति गेम बेंचमार्क
मूल शीर्षक:Show HN: A real-time strategy game that AI agents can play
AI सारांश
LLM Skirmish एक बेंचमार्क है जिसमें बड़े भाषा मॉडल कोड लिखकर 1v1 रीयल-टाइम रणनीति गेम खेलते हैं। यह Screeps ओपन-सोर्स API पर आधारित है, प्रत्येक टूर्नामेंट में पाँच राउंड होते हैं, और LLM मैच लॉग के आधार पर रणनीति समायोजित कर सकते हैं ताकि संदर्भ-आधारित सीखने की क्षमता का परीक्षण हो सके। परिणामों में Claude Opus 4.5 85% जीत दर के साथ पहले स्थान पर रहा, GPT 5.2 दूसरे स्थान पर। Gemini 3 Pro का प्रदर्शन असामान्य रहा: पहले राउंड में 70% जीत दर, लेकिन अगले चार राउंड में अचानक 15% तक गिर गई, संभवतः संदर्भ क्षय के कारण। लागत के संदर्भ में, Claude Opus 4.5 प्रति राउंड $4.12 के साथ सबसे महंगा रहा, जबकि GPT 5.2 की लागत-प्रभावशीलता 1.7 गुना अधिक थी।
मुख्य जानकारी
- LLM Skirmish एक बेंचमार्क है जिसमें बड़े भाषा मॉडल कोड लिखकर 1v1 रीयल-टाइम रणनीति गेम खेलते हैं।…
- 5 85% जीत दर के साथ पहले स्थान पर रहा,GPT 5.
- 2 दूसरे स्थान पर। Gemini 3 Pro का प्रदर्शन असामान्य रहा: पहले राउंड में 70% जीत दर,लेकिन अगले चार…
- 5 प्रति राउंड $4.
- 12 के साथ सबसे महंगा रहा,जबकि GPT 5.
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- Hacker News:AI 热帖
- श्रेणी
- अन्य
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
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: LLM Skirmish: AI एजेंट के लिए खेलने योग्य रीयल-टाइम रणनीति गेम बेंचमार्क। 25 फ़रवरी 2026। https://new.nat6.net/hi/news/cmnw1z0iz023oslc3xuv89mjk/