20種大語言模型挑戰《殺戮尖塔》進階20，200局僅1局擊敗最終首領

一項尚未經過同行評審的研究讓20種大語言模型挑戰《殺戮尖塔》最高難度進階20。它們共嘗試200局，只有GPT-5.6 Sol的一局擊敗最終首領。

研究統一使用鐵甲戰士，讓每種模型在相同的10個隨機種子下各嘗試10局。實驗通過名為SpireBench的環境進行；主要實驗還替換了遊戲內名稱，以考慮模型可能學過《殺戮尖塔》攻略的影響。

部分模型在首幕表現較強：GPT-6 Astra、Claude Fable 5.1和Claude Opus 5均有9局通過首幕，但進入後續關卡後，擊敗最終首領的局數大幅減少。研究還將模型成績與約20.6萬局鐵甲戰士記錄及四名資深主播的遊玩記錄作了比較。論文認為，表現較強的模型能夠處理眼前的戰鬥、計算傷害並使用能量，但在為後續關卡積累戰力的選擇上仍明顯落後於資深玩家。

研究觀察到，模型更傾向於避開精英戰、在休息處恢復生命值，也較少放棄戰後卡牌。以到達首幕首領的局數計算，模型平均與精英交戰1.25次，資深主播為2.6次；模型選擇休息的比例為68%，資深主播為9%。模型到達首幕首領時平均保留了較高比例的生命值，卻可能因此錯過強化卡牌或獲取獎勵的機會。

論文稱，多次遊玩未帶來明確的成績提升。不過，每種模型僅嘗試10局，隨機波動可能影響成績相近模型的排名；人類與模型使用的隨機種子也不相同，實驗隻測試了鐵甲戰士。這些結果尚不能用於嚴格排定模型與人類玩家的實力。