Show HN: Portal2Bench – Can AI agents solve Portal 2?

AI 摘要

Portal2Bench 是一个新发布的基准测试，用来衡量 AI 智能体能否通关《传送门 2》的 26 个测试关卡。每个关卡独立运行，智能体只能发送按键和视角指令、接收截图和自身位置，没有 shell、网络或控制台权限；只有在 300 次规划步骤和 30 美元成本内到达下一张地图才算通关。结果显示，GPT-6.1 Sol 和 GPT-6 Astra 各通关 20 关，GPT-6.1 Terra 19 关，Opus 5.5 为 11 关，Sonnet 5.5 为 6 关，Fable 5.1 在已跑的 15 关中通过 3 关，GPT-6 Luna 为 0 关。