Epoch 发 SpireClimb：模型打〈杀戮尖塔〉基础难度胜率过 90%，最高难度仍远低于人类
Epoch AI 在 10 月 14 日发布新基准 SpireClimb 的报告《AI 系统在〈杀戮尖塔〉及其续作上的进步很快》。测法刻意贴近普通用户：让模型在一个单智能体、看屏幕动手操作电脑的 harness（基于 Inspect ReAct）里自己玩，目标就是「打开 LLM 桌面应用说一句替我玩」。每个角色给 15 次独立的单次尝试，允许记笔记以跨上下文压缩保留信息，也允许查游戏 wiki，好让模型拿到经验玩家本来就有的信息。
结果分三档：一代的基础难度（Ascension 0）上，前沿模型现在至少 90% 胜率通关，而半年前它们连通关都困难；一代最高难度（Ascension 20 Heart）上 GPT-6 Astra 胜率 17%、GPT-6.1 Sol 20%；二代的最难档（Ascension 10）已有模型超过 25%（作者归因于续作早期版本整体难度更低）。对照组是顶尖人类玩家：两作最高难度下长期保持至少 80% 胜率，差距仍然很大。
这份报告的另一半价值是方法论提醒：作者列出同类尝试的差异——2025 年 Orak 用文本 harness 时 Gemini 2.5 Pro 只能打到第二个 Boss（整体胜率约 0%），而今年的 StSBench 与 Epoch 自家用 Codex Desktop 的非正式实验都显示胜率早已上来。也就是说，单看一个胜率数字会误判模型能力，harness 与允许的操作接口本身是变量；作者据此保留「可能仍存在能力诱导缺口」的判断。
原文链接：Epoch AI 官方页面
核验记录
官方页 epoch.ai/publications/ai-systems-are-improving-rapidly-at-slay-the-spire-and-its-sequel 直读 200（131,960 字节），JSON-LD datePublished=2026-10-14 + 页内可见 Oct. 14, 2026；列表页 epoch.ai/latest 的条目 JSON 同样给 2026-10-14，作者 Benjamin Ou 与 Simon Chen。数字逐字取自正文：Ascension 0 至少 90%、Ascension 20 Heart 17%/20%、StS2 Ascension 10 超过 25%、顶尖人类至少 80%、每角色 15 次单次尝试、harness 基于 Inspect ReAct。⚠ 未复跑基准，全部胜率为 Epoch 单方口径。配图同站 soc-fig2.png，裸请求与带站内 Referer 双 200 / PNG 1200×1500。