GPT-6 Astra в Codex победила в StarSkirmish Bench для StarCraft: Brood War.
В бенчмарке StarSkirmish Bench вышло обновление, где модели в родных CLI-агентах за час дорабатывают на C++ заготовку бота за протоссов для StarCraft: Brood War с библиотеками и демоботами. Агенты сами компилируют код, играют тренировочные матчи, читают логи и правят стратегию, а затем ботов оценивают против постоянного набора человеческих и демоботов.
Первое место с отрывом заняла GPT-6 Astra в Codex (57% побед), второе место у GPT-6.1 Sol. За ними почти вровень идут Gemini 4 Argon, Claude Opus 5.5 и Claude Fable 5.1, следом идут Claude Sonnet 5.5, Muse Wonder Full и Haiku, а замыкает таблицу GPT-6 Luna.
На вершине таблицы самый дешёвый прогон по API у GPT-6.1 Sol: модель уступает только Astra и обходится в среднем в $2,02 за час, почти вдесятеро дешевле лидера. Тройка лидеров рано запускает бои против сильнейших соперников: авторы связывают объём такой практики со счётом, хотя Claude Fable 5.1 стала пятой почти без неё.
Ещё новости:
