SpireBench用《杀戮尖塔》A20难度测试大模型长期战略能力

加拿大Vector研究所与荷兰Radboud大学的研究团队发布SpireBench，用20个大模型在《杀戮尖塔》A20难度、10个全新种子中完成200局测试。结果显示，仅GPT-5.6 Sol通关一次心脏；研究认为，模型过度休息、较少挑战精英并倾向保留更多卡牌，是影响长期通关表现的重要因素。