Epoch AI 的 SpireClimb 基准测试显示，前沿模型在最难的挑战中胜率最高达 20%

发生了什么

六个月前，前沿 AI 模型勉强能赢《杀戮尖塔》。如今，根据我们新推出的 SpireClimb 基准测试，它们在最低难度下的胜率超过 90%，在最高难度下最高可达 20%。

这件事到目前为止

Epoch AI 推出了 SpireClimb，用于评估前沿 AI 模型玩《杀戮尖塔》的表现。该机构报告称，在最简单的难度下，模型胜率超过 90%，在最难的难度下则最高达到 20%。Epoch AI 表示，六个月前，前沿模型几乎无法打赢这款游戏。 Epoch AI 还表示，已为 SpireClimb 录制了《杀戮尖塔》及其续作的逾千场游戏过程，并将在未来几周内发布到 YouTube，附上展示模型游戏内思考过程的字幕。这些视频是根据模型的游戏数据重建的，并非现场录制。Epoch AI 表示，计划不会将未来模型的游戏过程加入档案。

继续阅读

正在热议

1. 1Meta 开放发布 Muse Spark Open，支持 Mac 和云端部署，位居美国开放权重模型榜首
2. 2Google 在全球推出 Gemini 4 Argon，并扩大付费访问范围，基准测试结果不一
3. 3OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应
4. 4Meta的新商业条款引发有关网站抓取和 AI 训练权利的争议