一项尚未经过同行评审的研究让20种大语言模型挑战《杀戮尖塔》最高难度进阶20。它们共尝试200局，只有GPT-5.6 Sol的一局击败最终首领。

打开网易新闻 查看精彩图片

研究统一使用铁甲战士，让每种模型在相同的10个随机种子下各尝试10局。实验通过名为SpireBench的环境进行；主要实验还替换了游戏内名称，以考虑模型可能学过《杀戮尖塔》攻略的影响。

部分模型在首幕表现较强：GPT-6 Astra、Claude Fable 5.1和Claude Opus 5均有9局通过首幕，但进入后续关卡后，击败最终首领的局数大幅减少。研究还将模型成绩与约20.6万局铁甲战士记录及四名资深主播的游玩记录作了比较。论文认为，表现较强的模型能够处理眼前的战斗、计算伤害并使用能量，但在为后续关卡积累战力的选择上仍明显落后于资深玩家。

研究观察到，模型更倾向于避开精英战、在休息处恢复生命值，也较少放弃战后卡牌。以到达首幕首领的局数计算，模型平均与精英交战1.25次，资深主播为2.6次；模型选择休息的比例为68%，资深主播为9%。模型到达首幕首领时平均保留了较高比例的生命值，却可能因此错过强化卡牌或获取奖励的机会。

论文称，多次游玩未带来明确的成绩提升。不过，每种模型仅尝试10局，随机波动可能影响成绩相近模型的排名；人类与模型使用的随机种子也不相同，实验只测试了铁甲战士。这些结果尚不能用于严格排定模型与人类玩家的实力。