20个大模型挑战《杀戮尖塔》最高难度：200局仅1次通关终局

据automaton-media.com报道，一篇发布在arXiv上的预印本论文描述了一项实验：20个大语言模型在《杀戮尖塔》的最高难度Ascension 20下进行游戏。所有对局均使用角色Ironclad，每个模型进行10局，并使用相同的10个随机种子。研究使用了一个名为SpireBench的自定义环境，该环境通过扩展现有的游戏控制模组构建，使大语言模型能够直接游玩《杀戮尖塔》。在主实验中，游戏内名称被替换为不同名称，以排除模型可能已学习过《杀戮尖塔》策略信息的因素。

结果显示，GPT-6 Astra、Claude Fable 5.1和Claude Opus 5各自在90%的对局中通过了第一幕。第二幕通关率方面，GPT-6 Astra和Claude Fable 5.1为50%，Claude Opus 5为40%。第三幕通关率方面，Claude Fable 5.1为20%，GPT-6 Astra和GPT-5.6 Sol各为10%。最终Boss战中，只有GPT-5.6 Sol在10%的对局中击败了最终Boss，其余模型击败最终Boss的比例均为0%。在全部20个大语言模型的200局游戏中，最终Boss仅被击败1次。

研究将大语言模型的表现与Mega Crit公布的约206,000条Ironclad游玩记录以及四位资深《杀戮尖塔》主播的对局历史进行了比较。在Mega Crit的约206,000条记录中，第一幕通关率为47%，第二幕为15%，第三幕为7%，最终Boss击败率为4%。在游玩时间超过1,000小时的玩家的8,287条记录中，第一幕为54%，第二幕为20%，第三幕为11%，最终Boss击败率为7%。在至少击败过一次最终Boss的玩家的3,641局中，第一幕为58%，第二幕为29%，第三幕为21%，最终Boss击败率为16%。四位资深主播的第一幕通关率约为90%，第二幕约为70%，第三幕为56%至71%，最终Boss击败率为46%至65%。

论文指出，顶尖大语言模型在短期战斗处理上表现良好，能够高效使用能量并在更少的回合内结束战斗，但在长期策略方面远逊于资深主播，包括路线选择和事件决策。大语言模型倾向于优先保护生命值，避免可能带来未来成长的风险选择。在到达第一幕Boss的对局中，所有人类玩家的平均精英战次数为1.96次，资深主播为2.6次，大语言模型为1.25次。在休息点选择休息的比例，所有人类玩家为23%，资深主播为9%，大语言模型为68%。到达第一幕Boss时，剩余生命值占最大生命值的比例，所有人类玩家为62%，资深主播为56%，大语言模型为82%。在第一幕Boss处，人类玩家有23%的概率跳过卡牌奖励，平均牌组为16.8张；大语言模型仅有8%的概率跳过，平均牌组为19.3张。论文还提到，大语言模型并未因重复游玩而提升，有时会存储未能正确验证哪些行动导致胜利或失败的教训。

该研究的局限性包括：论文尚未确认经过同行评审，每个大语言模型仅进行10次试验，人类与大语言模型并未使用相同的随机种子，且比较仅涉及Ironclad一个角色。背景方面，《杀戮尖塔》于2017年在Steam开启抢先体验，2019年正式发售，并登陆主机和智能手机平台；续作《杀戮尖塔2》于2026年3月在Steam开启抢先体验。