Brood War Bench 实测：主流大模型打《星际争霸》不敌人类新手

Ben Swerdlow 开发了 Brood War Bench，让通用大模型以智能体形式对战 1998 年的《星际争霸：母巢之战》，结果没有一个模型超过人类新手水平。Codex Astra 以 18 场全胜排第一，靠的是派 Probe 工人去对方基地骚扰，经济运营和大规模作战反而偏弱。Claude Fable 排第三，胜率 83.3%，会老实发展经济、爬科技树，甚至造出过 Mutalisk、研究到圣堂武士科技。Grok 4.6 最差，在一场 43 分钟的比赛里输出超 11000 个推理 token，只发出 6 批指令，全程没造一个战斗单位。一个会用光子炮速推的人类新手就能赢下所有模型，测试平台已在 bw.swerdlow.dev 开放。