Epoch AI 发布 SpireClimb 基准：评估大模型在 Slay the Spire 中的游戏能力

Epoch AI 发布新基准 SpireClimb，通过视觉计算机使用框架评估 LLM 在 Slay the Spire 1 和 2 中的表现。前沿模型目前能在 StS1 基础难度达到 90% 以上胜率，在最高难度下 GPT-6 Astra 和 GPT-6.1 Sol 分别取得 17% 和 20% 胜率。测试还表明，StS2 作为较新游戏，模型表现未出现显著下降，显示通用策略推理能力正在增强。