Folia
← 返回头版

Gemini 4 Argon在星际争霸基准测试中并列第三

Google的Gemini 4 Argon在StarSkirmish Bench v0.2基准测试中获得37-39分,与Claude Opus 5.5和Claude Fable 5.1并列第三1。该测试评估大语言模型在1小时内用C++编写星际争霸Protoss机器人的能力1。OpenAI的GPT-6 Astra模型排名第一,GPT-6.1 Sol排名第二1。

尽管这些模型展现了代码生成能力,但它们仍远低于顶级人类编写机器人的水平1。排名第一的GPT-6 Astra与顶级人类机器人(Stardust、PurpleWave、BananaBrain)的对战中仅赢得7%的游戏1。研究发现,模型得分的最强预测因素是在一小时内对7个最强机器人的练习次数1。

Gemini 4 Argon在不同运行间表现出最大的差异性,最佳和最差运行之间相差18分,而GPT-6 Astra为9分,Claude Opus 5.5为8分1。


评论