19个AI血战星际争霸：GPT-6全胜仍不敌人类新手

想太多，就连最聪明的AI也会被拖死。43分钟、11138个推理token、6批指令——0个作战单位。这是Grok 4.6在《星际争霸：母巢之战》中交出的成绩单。把推理拉到最高档位xhigh的Grok，从开局苦思冥想到游戏结束，连一个能上场打仗的兵也没造出来。同一榜单另一头，GPT-6 Astra同样火力全开，18战18胜，胜率100%。这份名为Brood War Bench的星际大模型榜单，在Hacker News上火了。

榜单作者Ben Swerdlow开篇就给出判断：就连全胜冠军GPT-6 Astra，也打不过一个人类新手。Hacker News评论区有人点破要害：“它们不是玩不了，只是需要太多时间。你要是在模型思考的时候把游戏暂停，它就能玩。”

榜单诞生颇具戏剧性。开发者Ben起初做了个全靠智能体操作的星际版本，拉朋友一起玩。这帮人几乎没碰过星际，打起来却不输老玩家，秘诀是只管打字喊“进攻”，造兵、集结、开打全交给AI。Ben好奇：如果人类彻底闭嘴，让模型自己玩，它们能活多久？于是GPT、Claude、Grok三大家族19名AI选手登场，171局AI大乱斗开打。比赛跑在Freestyle云端虚拟机上，每局单开一台机器，游戏数据和AI每一步思考记录全都留底。

做数学题、写代码，大模型可以发呆5分钟再交卷。但打星际不行，这里没有回合制，只有一刻不停的实时战场。你思考的每一秒，对面都在狂挖矿、爆兵，大部队已朝你家高地冲来。老一代模型还拿回合制路数打即时战略，结果脑子还在转，家已被推平。

把回合制思维演绎到极致的是Grok。编号G043对局里，它疯狂输出战略推理，但43分钟游戏里总共只发出6批指令，平均7分多钟才动一次手。G003里造了3个机枪兵，始终没走到敌人基地；G002里造了2个狂热者，同样没能穿过地图。最高推理档位下2胜15负。比赛打到11分半，Astra早已兵强马壮，Grok场上平均只有不到7个农民和几个兵。搞笑的是，Grok国库里躺着远超Astra的巨额存款。Astra的农民和狂热者拆掉了Grok主基地，Grok手里一个作战单位都没有，账上还躺着928块水晶矿。

如果说Grok是被自己想太多拖死，那Astra就是专门逼别人想太多。Astra所在的Codex家族最绝的一招是骚扰，经常只派一个最基础的采矿农民横穿整张地图跑到敌人家溜达。人类玩家眼里这种农民随手就能赶走，但在AI局里这招是降维打击。对面AI一看到这个农民，瞬间陷入沉思，花几十秒疯狂计算“我该怎么处理这个农民”，基地彻底停摆。在RTS里骚扰是为破坏经济；到了AI对AI，最大杀伤力是把对面AI直接拖到宕机。

Astra也有弱点，内部像不和睦的草台班子，管经济、管造兵、管打仗的各干各的，新兵刚造出来就被拉去前线白给。不过作者发现，只要他亲自下场当总指挥把子智能体串起来，Astra立刻就懂得攒兵、挑时机了。Codex家族还有股顽强劲儿，有一局Astra的兄弟GPT-5.6 Terra部队全军覆没、主基地被拆，它把仅剩的指挥中心拉上天，飘到地图另一头角落，硬撑6分钟才被消灭。

最像在打星际的是Fable。它打法最正，老实搞经济、发展科技树，很少投机取巧。有一局憋出飞龙；另一局把神族高级建筑挨个盖齐。比赛打到11分半时，农民、兵力、建筑、科技几项数据都压着Astra。但好学生未必拿第一。Fable胜率83.3%排第三，却追不上Astra。有一局它科技摆满一桌子，还没转化成战斗力，就被Claude Opus 5乱拳打死。节奏上也差很远：Astra对局时长中位数只有8分10秒，爱慢慢种田的Fable被拖到10分37秒。三个大模型三种灵魂：Codex像满肚子坏招的街痞，Grok像考场上死磕第一题的轴学霸，Fable则是翻着攻略逐字照做的老实人。

既然想太多会死，是不是脑子越空越好？GPT-5.6 Sol推理开到最高档，胜率反而垫底，还不如medium档。可到了Astra这里，想得越深赢面越大，最高档直接拿下100%胜率。更有趣的是账单：Astra开到最高推理档，每分钟只操作12.6次，平均一局只花10.54美元；换成最低档，操作频率翻倍到每分钟25.7次，一局反而烧掉21.07美元。最高档位出手少一半、花钱少一半、赢得最多。这说明新一代模型已经懂得思考需要成本，也知道什么时候该停下脑子去动手干活。

有人会问：7年前AlphaStar不是早就击败过职业选手吗？2019年初DeepMind公布AlphaStar战绩：两个5:0横扫职业选手TLO和MaNa，10局比赛职业选手一局没赢。后来DeepMind给它加上和人类一样的限制，只能通过