让大模型写代码打《星际争霸》的基准测试 — Hacker News 中文摘要
来源：starskirmish.com — 64 分 · by __cayenne__
📋 概述
StarSkirmish 是一个基准测试：每个大模型获得一小时，用 C++ 为《星际争霸：母巢之战》写一个神族机器人，然后与其他模型的机器人以及人类编写的机器人对战，得分是平均胜率。v0.2 版本换用 OpenAI、Anthropic、Google、Meta 的旗舰模型，并各自跑在第一方 CLI 工具里。GPT-6 Astra 得分最高，GPT-6.1 Sol 第二且性价比突出，Gemini 4 Argon 与两个 Claude 模型在 37 到 39 分之间基本持平。结论是能力远未饱和：最强模型对上人类顶级机器人的胜率仅 7%。
🔑 核心要点
- 每个模型只有一小时写一个 C++ 神族机器人，得分是对战平均胜率。
- v0.2 使用 OpenAI、Anthropic、Google、Meta 的旗舰模型，并跑在各自第一方 CLI 中。
- GPT-6 Astra 得分最高，GPT-6.1 Sol 第二且单次运行成本约为其十分之一。
- Gemini 4 Argon 以 high 档推理运行，与两个 Claude 模型在 37–39 分区间持平。
- 最强模型对 Stardust、PurpleWave、BananaBrain 的胜率仅 7%，说明远未饱和。
💡 金句
The strongest human written bots are still well ahead of every model.
👍 0
👎 0
← 返回 Hacker News 首页