返回 返回
模型邮件每日6条一手
Epoch AI新推出的SpireClimb基准测试，让AI模型通过屏幕和鼠标操作来玩以高难度著称的卡牌游戏《杀戮尖塔》。在最高难度下，几个月前前沿模型还一局都赢不了， 如今 GPT-6.1 Sol 在最高难度《杀戮尖塔》中胜率达 20%，顶尖人类玩家超过 80%
Epoch AI的新SpireClimb基准测试衡量了AI模型通过屏幕和鼠标界面玩卡牌游戏Slay the Spire的能力。GPT-6.1 Sol在该游戏的最高难度“Ascension 20 Heart”下取得了20%的胜率。这比几个月前的0%胜率有所提高，但仍低于顶级人类玩家80%以上的胜率。
已核实 2026-10-22
知情者可追踪为何重要
具有隐藏信息的长时间游戏考验规划和计算机使用能力，这与代理完成端到端实际工作所需的技能相同，而这一差距正在迅速缩小。
更多模型
- AI模型如今已能在国际数学奥林匹克竞赛中夺金,但斯坦福《2026年AI指数报告》发现,它们在一项大多数孩子很早就掌握的任务上仍会出错。在ClockBench的180种表盘设计、720道题目测试中,表现最好的模型 GPT-5.4 High正确读出模拟时钟时间的比例仅为50.6%,而人类为90.1%
- 闭源与开源AI模型的性能差距在2024年一度几乎抹平后再度拉开。截至2026年3月，斯坦福《2026年AI指数》显示，Arena排行榜上顶尖闭源模型相对顶尖开源模型领先3.3%，高于2024年8月的0.5%
- 斯坦福大学2026年AI指数报告追踪AI模型在GPQA Diamond基准上的表现——这是一套专为抵抗谷歌搜索而设计的博士级化学和物理题。2025年,模型在该基准上的平均准确率达到93%,而专家人类验证者的基线为81.2%——AI模型现已在GPQA Diamond上超越博士级专家12个百分点