CivBench

CivBench新基准测试LLM玩《文明5》

研究者推出受控版CivBench，让大模型在相同固定开局下以战略家身份玩《文明5》。结果显示GLM-5.3领先Opus-5.5，Qwen-3.8-27B表现超预期；该基准测试模型在延迟数十回合才显现后果的长期决策能力。配套开源工具Vox Deorum支持本地模型和自行对战。