四大顶级AI模型《文明VI》对战测试:暴露环境感知与执行短板
英国前首相府数据科学家 Liam Wilkinson 搭建 76 个 MCP 工具,将 Claude Opus 4.6、GPT 5.4、Gemini 3.1 Pro 等四大主流模型接入《文明VI》进行 23 场对局测试。 测试显示,Claude 在扮演葡萄牙时因法国文化胜利临近,耗时 50 回合研发核武器并摧毁图卢兹,但法国仍以外交胜利获胜。数据分析表明,AI 主动检查全局游戏状态的行为仅占全部动作的 1%–2%,存在显著感知盲区;计划生成...