《血染钟楼》多智能体AI基准发布

Dwarkesh Patel 花费约 2 万美元 API 额度搭建《血染钟楼》多智能体评测基准，让不同 AI 模型互相对战 386 局，衡量长期一致性、多智能体协作与策略推理能力。他称，对局中好人阵营全部由同一模型复制组成，邪恶阵营全部由另一模型复制组成，且只使用 Trouble Brewing 剧本。 结果显示，GPT-6 Astra 比 Claude Opus 4.6 高出约 430 Elo，胜率约 92%；OpenAI 模型在好人阵营表现更强，更倾向综合多日证据而非直接采信单条信息。Patel 表示代码已开放，可自行复现研究。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。