LLM Skirmish:AI代理可玩的实时战略游戏基准测试
原文标题:Show HN: A real-time strategy game that AI agents can play
AI 摘要
LLM Skirmish 是一个让大语言模型通过编写代码进行1v1实时战略游戏对战的基准测试。基于Screeps开源API,每场锦标赛包含五轮,LLM可根据对战日志调整策略以测试上下文学习能力。结果显示,Claude Opus 4.5以85%胜率排名第一,GPT 5.2次之。Gemini 3 Pro表现异常:首轮胜率70%,后四轮骤降至15%,疑似因上下文腐烂。成本方面,Claude Opus 4.5每轮$4.12最贵,GPT 5.2性价比高出1.7倍。
关键信息
- LLM Skirmish 是一个让大语言模型通过编写代码进行1v1实时战略游戏对战的基准测试。
- 基于Screeps开源API,每场锦标赛包含五轮,LLM可根据对战日志调整策略以测试上下文学习能力。
- 结果显示,Claude Opus 4.
- 5以85%胜率排名第一,GPT 5.
- Gemini 3 Pro表现异常:首轮胜率70%,后四轮骤降至15%,疑似因上下文腐烂。
速览
- 发布时间
- 更新时间
- 分类
- 其他
推荐理由
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
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:LLM Skirmish:AI代理可玩的实时战略游戏基准测试。2026年2月25日。https://new.nat6.net/news/cmnw1z0iz023oslc3xuv89mjk/