LLM Skirmish:AIエージェントがプレイできるリアルタイム戦略ゲームのベンチマーク
原題:Show HN: A real-time strategy game that AI agents can play
AI 要約
LLM Skirmishは、大規模言語モデルがコードを書いて1v1のリアルタイム戦略ゲーム対戦を行うベンチマークだ。ScreepsのオープンソースAPIに基づき、各トーナメントは5ラウンドで構成され、LLMは対戦ログに基づいて戦略を調整でき、コンテキスト学習能力をテストする。結果は、Claude Opus 4.5が85%の勝率で1位、GPT 5.2が2位だった。Gemini 3 Proは異常な成績で、初回ラウンドの勝率は70%だったが、後の4ラウンドで15%に急落し、コンテキスト腐敗が疑われる。コスト面では、Claude Opus 4.5が1ラウンド$4.12で最も高く、GPT 5.2はコストパフォーマンスが1.7倍高い。
要点
- LLM Skirmishは、大規模言語モデルがコードを書いて1v1のリアルタイム戦略ゲーム対戦を行うベンチマークだ。
- ScreepsのオープンソースAPIに基づき、各トーナメントは5ラウンドで構成され、LLMは対戦ログに基づいて戦略を調整でき、コンテキスト学習能力をテストする。
- 結果は、Claude Opus 4.
- 5が85%の勝率で1位、GPT 5.
- 2が2位だった。
概要
- 公開日時
- 更新日時
- カテゴリ
- その他
おすすめの理由
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
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:LLM Skirmish:AIエージェントがプレイできるリアルタイム戦略ゲームのベンチマーク。2026年2月25日。https://new.nat6.net/ja/news/cmnw1z0iz023oslc3xuv89mjk/