一位开发者在一个自定义的《毁灭战士》环境中，对包括 GPT 5.5、GPT 5.4、GPT 5.4 mini 和 GPT 5.3 Codex Spark 在内的四款 OpenAI GPT 模型进行了基准测试。GPT 5.5 表现最佳，得分 67%，它能有效地收集生命包、制定战斗策略并利用资源。基准测试显示，模型学会了放风筝、侧翼包抄和预测敌人移动等高级战术，其中 GPT 5.3 Codex Spark 提交的计划最多，但许多计划无效。 AI
影响 展示了大型语言模型在动态模拟环境中的高级战略能力，可能影响未来 AI 代理的开发。
排序理由 现有模型在新环境中的基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
