新智元报道
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》里交出的一张绝望成绩单。
游戏中，把推理拉到最高档位 xhigh 的 Grok，从开局苦思冥想到游戏结束，硬是连一个能上场打仗的兵也没造出来。
而在同一张榜单的另一头，GPT-6 Astra 同样火力全开，18 战 18 胜，胜率 100%。
这两天，这份名为 Brood War Bench 的星际大模型榜单，在硅谷程序员扎堆的 Hacker News 上火了。
Brood War Bench 榜单前 10 名。Astra 开最高推理档 xhigh，18 战全胜，Grok 三个档位全在榜尾。
如今已是 OpenAI 员工的 OpenClaw 之父 Peter Steinberger，不忘转发为自家模型造势：新榜单来了。
AI 正在数学圈连破世纪难题，有人惊呼奇点降临，势头猛到让陶哲轩都公开发声要放慢脚步。
可这份榜单的作者 Ben Swerdlow，一开篇就甩出一个画风完全不同的判断：
就连全胜冠军 GPT-6 Astra，也打不过一个人类新手。
Hacker News 评论区有人一句话点破要害：「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。」
还有人直接开嘲：「搞得好像这些模型不是通用智能一样。」
全网最聪明的 AI，为什么会在星际里被自己的思考拖死？
是不是离 AGI 还远着呢？
游戏永远不会停下来等你
这个榜单的诞生，有点戏剧性。
起初，开发者 Ben 只是做了个全靠智能体操作的星际版本，拉上几个朋友一起玩。
这帮人几乎没碰过星际，可打起来却一点不输玩了好多年的老炮。
他们的秘诀简单到离谱：只管打字喊一句「进攻」，造兵、集结、开打，全交给 AI。
这让 Ben 不禁好奇：如果人类彻底闭嘴，让这些模型自己玩，它们能活多久？
于是，GPT、Claude、Grok 三大家族的 19 名 AI 选手悉数登场，一场 171 局的 AI 大乱斗就此开打。
比赛跑在 Freestyle 的云端虚拟机上，每局单开一台机器，同时开打，游戏数据和 AI 的每一步思考记录全都留了底。
做数学题、写代码，大模型可以发呆 5 分钟再一次性交卷。
但打星际不行。
这里没有 AI 习惯的回合制，只有一刻不停的实时战场。
你思考的每一秒钟，对面的农民（英文玩家叫 worker，负责采矿的工人单位）都在狂挖矿，兵营在疯狂爆兵，大部队已经朝你家高地冲了过来。
老一代模型还拿回合制的路数打这种即时战略游戏，结果脑子还在转，家已经被推平了。
Steinberger 的帖子下，有网友一语道破：
有意思，难怪 AI 做游戏的时候，总爱做回合制的。
Grok 苦想 43 分钟
一个兵也没上场
把这种回合制思维演绎到极致的正是 Grok。
在编号 G043 的对局里，Grok 堪称思想上的巨人、行动上的矮子。
它疯狂输出大段大段的战略推理，但 43 分钟的游戏里，总共只发出了 6 批指令，平均 7 分多钟才动一次手。
这不是偶然。
G003 里，Grok 造了 3 个机枪兵，始终没走到敌人基地；G002 里，它造了 2 个狂热者，同样没能穿过地图。
兵是造出来了，就是打不到对面。
最高推理档位下它 2 胜 15 负，惨不忍睹。
数据曲线很直观：比赛打到 11 分半，Astra 早就兵强马壮，而 Grok 场上平均只有不到 7 个农民和几个兵。
搞笑的是，Grok 的国库里，其实躺着远超 Astra 的巨额存款。
钱在兜里，大脑在运转，就是死活不动手。
Astra 的农民和狂热者拆掉了 Grok 的主基地，Grok 手里一个作战单位都没有，账上还躺着 928 块水晶矿。
在星际这种残酷的战场上，想得久可不叫深思熟虑，叫挂机等死。
Astra 的必杀技
让对手想到死
如果说 Grok 是被自己想太多拖死的，那 Astra 就是专门逼别人想太多，把对手活活拖死。
Astra 所在的 Codex 家族，最绝的一招是骚扰。
它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。在人类玩家眼里，这种战斗力为零的农民随手拉两个工兵就能赶走。
但在 AI 局里，这招简直是降维打击。
对面的 AI 只要一看到这个农民，瞬间陷入沉思，花上几十秒去疯狂计算「我该怎么处理这个农民」。
在这宝贵的几十秒里它什么都不干，基地彻底停摆。
Astra 的骚扰部队拆掉了 Grok 的主基地，Grok 手里一个作战单位都没有，账上还躺着 928 块水晶矿。
在即时战略游戏（RTS）里，骚扰对方是为了破坏经济；到了 AI 对 AI，骚扰的最大杀伤力，是把对面的 AI 直接拖到宕机。
当然，Astra 也有弱点。
它的内部像是一个不和睦的草台班子，管经济的、管造兵的、管打仗的各干各的。
新兵刚造出来就被管打仗的 AI 拉去前线白给，完全不懂什么叫集结部队。
不过作者也发现，只要他亲自下场当总指挥、把几个子智能体串起来，Astra 立刻就懂得攒兵、挑时机了。
Codex 家族还有一股顽强劲儿。
有一局，Astra 的兄弟 GPT-5.6 Terra 部队全军覆没，主基地也被拆了。
它把仅剩的一个指挥中心（人族建筑可以起飞）拉上天，一路飘到地图另一头的角落，硬是又撑了 6 分钟才被消灭。
最像在打星际的是 Fable
全场好几局都想让作者替它使劲儿的，其实是游戏优等生 Fable。
它的打法最正，老老实实搞经济，踏踏实实发展科技树，很少投机取巧。
有一局它憋出了飞龙；另一局，它把神族一整排高级建筑挨个盖齐，连出高阶圣堂武士要用的圣堂档案馆都造好了。
比赛打到 11 分半时，农民、兵力、建筑、科技，Fable 几项数据都压着 Astra。
可好学生未必能拿第一。
Fable 虽然胜率高达 83.3% 排在第三，却依然追不上 Astra。
有一局它科技摆满了一桌子，还没等转化成战斗力，就被 Claude Opus 5 乱拳打死。
Fable 盖满了兵营、重工厂和学院，账上还躺着 2800 多块晶矿，却被自家 Opus 5 的枪兵一路推平。
节奏上也差得很远：Astra 的对局时长中位数只有 8 分 10 秒，爱慢慢种田的 Fable，这个数字被拖到了 10 分 37 秒。
三个大模型，三种灵魂。
Codex 像个满肚子坏招儿的街痞，Grok 像考场上死磕第一题的轴学霸，而 Fable 则是那个翻着攻略逐字逐句照做的老实人。
想得越久
不一定打得越好
既然想太多会死，那是不是脑子越空越好？
也不全是。
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，一局反而要烧掉 21.07 美元。
最高档位，出手少一半，花钱少一半，赢得最多。这说明新一代模型显然已经进化了。
它们懂得了思考是需要成本的，也知道什么时候该停下脑子去动手干活。
7 年前 AI 赢过职业选手
今天为何打不过新手？
有人肯定会问：7 年前，DeepMind 的 AlphaStar 不是早就击败过职业选手了吗？
没错。2019 年初，DeepMind 公布了 AlphaStar 的战绩：两个5:0，横扫职业选手 TLO 和 MaNa。
2019 年，AlphaStar 对阵职业选手 MaNa 第二局。下方是 AI 的决策过程：读取局面、判断往哪打、造什么兵，同时预估胜负。
10 局比赛，职业选手一局没赢。
后来，DeepMind 给它加上了和人类一样的限制：只能通过屏幕镜头看局部地图，每秒能做的操作次数也被压低。
就这样，它又匿名混进欧洲天梯，一路打上宗师段位，超过 99.8% 的人类玩家。
一边是天梯前 0.2%，一边连会光炮快攻的新手都打不过。
难道是 AI 的技术倒退了？
其实，两者比的根本是两码事。
AlphaStar 打的是《星际争霸 II》，更像是纯粹的应试机器：靠吃海量录像和疯狂自我对战堆出来的星际特长生，这辈子只学了这一件事。
而今天这些在初代《母巢之战》里对战的大模型，是没有任何星际基础的通才。
它们全靠临场读题、调用工具、现学现卖，而且每一步都得先想完才能出手。
专才打败职业选手并不稀奇，通才想要跨界通关，还要再等等。
文章最后，作者抛出自己的结论：
AI 冠军再无敌，也防不住人类新手最爱用的光炮快攻。它们组织不起复杂的阵型，也执行不了长远的战术。
过去几年，我们给 AI 出的都是回合制考题，问来问去只有一句：你算得对不对？
可星际不一样。它和自动驾驶、具身机器人一样，身处一个不会暂停的世界，对手随时在动。
这场测试，也暴露了 AI 走向自主行动时最要命的短板：烧掉更多思考 token，未必换来更强的智能体。
下一阶段的 Agent 之争，比的可能不再只是谁想得更深，而是谁能在有限的时间里，把观察、决策、执行连成一个不停转动的闭环。
星际里的翻车，或许就是 AI 进入真实世界前的一次预演。
参考资料：
https://bw.swerdlow.dev/report?utm_source=chatgpt.com
https://x.com/steipete/status/2101748820237500557
编辑：元宇
