跳到主要内容
返回时间线
epoch.ai来源发表:

前沿模型首次稳定通关《杀戮尖塔》最高难度:GPT-6.1 Sol 在 Ascension 20 Heart 拿下 20% 胜率

核心概要

Epoch 推出基准 SpireClimb,在单智能体视觉电脑操作环境中让模型直接玩《杀戮尖塔》及其续作。此前前沿模型在基础难度 Ascension 0 都难以取胜,如今在 Ascension 0 至少九成胜率,GPT-6 Astra 与 GPT-6.1 Sol 在最高难度 Ascension 20 Heart 分别取得 17% 和 20% 胜率,但仍远低于顶尖人类玩家在最高难度常见的 80% 以上。

Source-provided article image: AI systems are improving rapidly at Slay the Spire and its sequel
epoch.ai

深度剖析

前沿模型现在能在《杀戮尖塔》基础难度 Ascension 0 上取得至少 90% 的胜率,并首次在最高难度 Ascension 20 Heart 上稳定拿到胜局。 六个月前,前沿模型在 Ascension 0 上还难以取胜;2025 年 6 月的 Orak 结果显示 Gemini 2.5 Pro 在文本环境中只能击败第二个 Boss,整体胜率很可能为 0%。 在 SpireClimb 的视觉电脑操作环境中,GPT-6 Astra 在 Ascension 20 Heart 取得 17% 胜率,GPT-6.1 Sol 取得 20%,而几个月前这一难度上的成绩还是 0%。

模型通过桌面图形界面像普通用户一样操作游戏,而不是读取游戏内部状态。 此前的评测分散在不同环境、不同可用操作和不同模型上,结果难以横向比较。 SpireClimb 基于 Inspect ReAct 构建单智能体视觉环境,对每个角色在两个游戏中各给 15 次独立单次尝试,并允许模型记笔记、查阅《杀戮尖塔》wiki。

在训练数据覆盖更少的续作《杀戮尖塔 2》上,前沿模型在最高难度 Ascension 10 的胜率超过 25%,约为初代最高难度成绩的两倍。 续作处于抢先体验阶段,整体难度被认为低于初代,且尚无初代 The Heart 那样的高难最终 Boss。 基准把《杀戮尖塔 2》冻结在 v0.107.1 版本;社区汇总站点显示数百名玩家能在 Ascension 10 维持 80% 以上胜率,中国玩家白夕Seal 有 53 连胜的录像。

启示与展望

这套结果针对的是通过图形界面操作游戏的视觉电脑操作环境,目标是近似衡量一个不熟练用户打开桌面应用、让模型代为游玩时能达到的水平;基准把《杀戮尖塔 2》冻结在 v0.107.1,并计划在续作推出 The Architect 后将其作为单独任务处理。

视觉界面可能诱发更快、更少深思的决策,界面操作失误也仍会出现,因此这一设置未必能充分激发模型纯粹的推理能力;作者也不确定 Sol 在 Silent 角色上胜率极低的原因,并指出单角色样本量小,难以对角色间差异下确定结论。