有人做了一个"星际争霸"AI 对战测试（Brood War Bench），让当下主流大模型互相打即时战略，结果所有模型的水平都没超过新手。
This is a AI post classified by Jev as AI agents (a model release), kept by the AI Radar because it carries real work, not commentary.
有人做了一个"星际争霸"AI 对战测试（Brood War Bench），让当下主流大模型互相打即时战略，结果所有模型的水平都没超过新手。 《星际争霸：母巢之战》是 1998 年的经典即时战略游戏，也是 AI 研究的老朋友，2019 年 DeepMind 的 AlphaStar 就曾在这款游戏里击败职业选手。但那是专门训练的强化学习 AI。这次测试不同，它让通用大模型以 AI 智能体的形式直接上手操作，看看它们能不能自己建基地、造兵、打仗。 作者 Ben Swerdlow 原本只是做了一个"只能通过智能体操控"的星际争霸版本，拿来和朋友玩。没想到几个几乎没玩过星际的朋友表现还不错——他们说自己就下了句"去进攻"的命令，智能体就自己造了支小部队冲过去了。这让他好奇：如果完全让 AI 自己玩，能打到什么水平？ 答案是：很菜，但很有意思。 排名第一的 Codex Astra 打了 18 场全胜，但它最擅长的不是正面作战，而是"骚扰"：派一个采矿的工人（Probe）跑到对方基地捣乱。这招对 AI 对手特别好使，因为对面的智能体看到一个工人来了，会花几十秒思考该怎么办，期间什么都不干。而在正经的经济发展和大规模作战方面，Codex 反而比较弱，经常造一两个兵就往对面扔，而不是攒够兵力再出击。 Claude Fable 排第三，胜率 83.3%，是所有参赛模型里最"像在认真打游戏"的
Posted by 宝玉 (250k followers) 1 h ago · 3 likes · 1.6k views · view the original post on X. Kept by the AI Radar as AI agents. Tools mentioned: Agent StarCraft.
More AI work like this
- agents can run for longer than ever. — @tokensandai
- we ask AI for answers all day — @vikktorrrre
- yooo hold up, okay, hold on. — @RileyRalmuto
- "Our AI agents have already done 17,000 conversations this year. And booked 600+… — @jasonlk
- Open sourced "Jev " that runs 50x faster own Jarvis running locally now on mac 1GB RAM.… — @0x0SojalSec
- Banger paper on self-evolving ontologies for agents. — @omarsar0
- this is literally f**king insane — @gippp69
- Hopped on a Virtual Claude workshop this morning with @AnthropicAI and @cinkotweets to… — @JJEnglert
Every post is read and classified by Jev (TypeSafe): what it is, which market it belongs to, and whether the link is a real tool. 39.8k posts from 5k X accounts over the last 14 days, 1.6k tools, 19 markets. Collected every 5 minutes, fully re-ranked every hour — last update 2026-09-21 19:14 UTC. Full method.