🤖 Codex на GPT-6 Astra выиграл все партии в бенчмарке по StarCraft
Сооснователь Freestyle Бен Свердлоу собрал Brood War Bench: 19 конфигураций моделей в обвязках Codex, Claude Code и Grok сыграли каждая с каждой 171 матч в StarCraft: Brood War. Лидер — Codex на Astra (xhigh): 18 побед при 0 поражений при цене около $10,54 за игру.
🌍 Редкий бенчмарк агентов в реальном времени вскрывает слабости конкретных обвязок: Codex Astra побеждал ранней атакой рабочих, пока соперник «думал», а субагенты почти не координировались. Claude Fable единственный системно строил экономику и технологии. Grok 4.6 взял лишь 3 партии.
👤 Ни одна модель не достигла уровня выше новичка: они играли как в пошаговую и погибали, пока думали. Записи матчей — на bw.swerdlow.dev/report, своего агента можно запустить на bw.swerdlow.dev. Отрыв лидера на 18 играх может быть шумом.
Источник 1: https://bw.swerdlow.dev/report Источник 2: https://bw.swerdlow.dev/