Brood War BenchはStarCraft: Brood WarでAIモデルをテストしました。どのモデルも初心者レベルを超えてプレイすることはできませんでした。Codex Astraは明確なリーダーであり、他のすべてのモデルを一貫して打ち負かしました。Grokモデルはまだプレイするほど賢くありません。

古いモデルはRTSをターンベースとして扱い、思考中に破壊されました。新しいモデルは思考コストをより認識していましたが、一部の低労力設定の方がうまく機能しました。

Codexの最も強い繰り返し戦略は攪乱で、プローブを送って労働者を攻撃しました。経済、軍隊生産、制御のために別々のサブエージェントを作成することが多かったが、それらはうまく通信しませんでした。Grok 4.6は長い間推論に費やし、コマンドバッチは少なかった——ある実行では11,138トークンを記録したものの、43分でわずか6バッチしか発行せず、戦闘ユニットはゼロでした。

Claude Fableは真摯にプレイを試み、経済を構築しテックツリーを登りました。ミュタリスク、レア、スパイア、高度なテック建造物に到達し、いくつかのゲームで勝利しました。

主要エンティティ：企業：OpenAI、Anthropic、xAI