Epoch AIs neuer Benchmark SpireClimb lässt KI-Modelle das berüchtigt schwere Kartenspiel Slay the Spire über eine Bildschirm-und-Maus-Steuerung spielen. Auf der höchsten Schwierigkeitsstufe, auf der Spitzenmodelle vor wenigen Monaten noch keinen Durchgang gewannen, gewinnt GPT-6.1 Sol jetzt 20 % der Durchgänge in Slay the Spire auf höchster Stufe; Top-Spieler über 80 %
Der neue SpireClimb-Benchmark von Epoch AI misst die Fähigkeit von KI-Modellen, das Kartenspiel Slay the Spire über eine Bildschirm- und Mausoberfläche zu spielen. GPT-6.1 Sol erreichte eine Gewinnrate von 20 % auf dem höchsten Schwierigkeitsgrad des Spiels, „Ascension 20 Heart“. Dies ist eine Steigerung gegenüber einer Gewinnrate von 0 % einige Monate zuvor, liegt aber immer noch unter den über 80 % Gewinnraten der besten menschlichen Spieler.
Geprüft 2026-10-22
Mit Insider verfolgenWarum das zählt
Lange Spiele mit versteckter Information prüfen Planung und Computernutzung über Stunden, dieselben Fähigkeiten, die Agenten für echte Arbeit brauchen, und die Lücke schließt sich schnell.
Mehr zu Modelle
- KI-Modelle können inzwischen Gold bei der Internationalen Mathematikolympiade gewinnen, doch Stanfords AI Index 2026 zeigt, dass sie an einer Aufgabe scheitern, die die meisten Kinder früh beherrschen. Bei den 180 Zifferblatt-Designs und 720 Fragen von ClockBench las das beste Modell, GPT-5.4 High, analoge Uhren nur in 50,6 % der Fälle korrekt ab, gegenüber 90,1 % bei Menschen
- Nachdem die Lücke 2024 kurz fast geschlossen war, hat sich der Leistungsabstand zwischen den besten Closed-Weight- und Open-Weight-KI-Modellen auf dem Arena-Leaderboard wieder vergrößert. Stand März 2026 führt laut Stanfords 2026 AI Index das beste Closed-Modell das beste Open-Modell um 3,3 %, gegenüber einem Vorsprung von 0,5 % im August 2024
- Stanfords KI-Index 2026 verfolgt, wie KI-Modelle bei GPQA Diamond abschneiden, einem Satz von Chemie- und Physikfragen auf Doktorandenniveau, die bewusst so gestaltet sind, dass Google-Suchen nicht weiterhelfen. Die mittlere Modellgenauigkeit bei diesem Benchmark erreichte 2025 93 %, verglichen mit einer Basislinie menschlicher Expertenvalidierer von 81,2 % -- KI-Modelle schlagen promovierte Experten nun um 12 Punkte bei GPQA Diamond
KOSTENLOS · KEINE KARTE
Fakten wie diese, sechs Tage die Woche
The Daily Receipts an Werktagen, The Weekly Brief am Samstag — sechs belegte Fakten pro Tag per E-Mail, zwei mehr als die kostenlose Website zeigt. Jeder bis zur Quelle belegt. Kostenlos.
Tägliches Gratis-Briefing holenKostenlos · Keine Karte · Jederzeit abbestellbar
Treten Sie jetzt bei, und Sie starten mit 100 Receipts in The Receipts Ledger — Ihr erster Schritt zu einem kostenlosen Jahr Insider oder Pro. So funktioniert es →
Die heutige Ausgabe ansehen →