Brood War Bench probó modelos de IA en StarCraft: Brood War. Ninguno jugó más allá del nivel principiante. Codex Astra fue el claro líder, venciendo a todos los demás modelos consistentemente. Los modelos Grok no fueron lo suficientemente inteligentes para jugar aún.

Los modelos más antiguos trataban el RTS como por turnos, siendo destruidos mientras pensaban. Los modelos más nuevos eran más conscientes de los costos de pensamiento, aunque algunas configuraciones de menor esfuerzo funcionaron mejor.

La idea recurrente más fuerte de Codex fue la disrupción, enviando Sondas para atacar trabajadores. A menudo creaba subagentes separados para economía, producción de ejército y control que no se comunicaban bien. Grok 4.6 pasó largos tramos razonando con pocos lotes de comandos — una ejecución registró 11,138 tokens pero emitió solo seis lotes en 43 minutos sin unidad de combate.

Claude Fable intentó sinceramente jugar, construyendo economías y escalando árboles tecnológicos. Llegó a Mútaliscos, Guaridas, Espiras y edificios tecnológicos avanzados antes de ganar algunas partidas.

Entidades clave: Empresas: OpenAI, Anthropic, xAI