StarSkirmish Bench v0.2 发布：LLM 限时写星际争霸机器人

StarSkirmish 发布基准 v0.2，在 v0.1 基础上加入 OpenAI、Anthropic、Google 和 Meta 的旗舰模型，各模型在本实验室的第一方 CLI 环境中运行。 评测规则是：每个 LLM 用一小时以 C++ 编写一个 Protoss 机器人，随后与其他模型的机器人以及已有的人类编写机器人对战，按胜率计分。CLI 在计时开始前安装，一小时从智能体启动时算起；CLI 的网页搜索和网页抓取工具被关闭，智能体没有其他联网途径。Gemini 4 Argon 以 high 运行，即其可用的最高推理强度，其余模型均以 max 运行。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。