一小時寫一隻星海 bot
StarSkirmish 是一個有點黑色幽默的基準：語言模型要在 1 小時（牆上時間）內，寫出可編譯的 StarCraft: Brood War 神族（Protoss） bot，語言是 C++，介面是 BWAPI 4.4.0，對戰環境是 OpenBW。作者 Kai McPheeters 於 2026 年 10 月 15 日公布 v0.2。
v0.2 的重點更新：改讓 OpenAI、Anthropic、Google、Meta 的旗艦模型，各自跑在自家第一方 CLI（Claude Code、Codex、Antigravity CLI、Muse Code），並用該模型支援的最高推理強度（Gemini 4 Argon 為 high，其餘為 max）。
起點是一隻只會採礦的骨架 bot，外加三隻示範 bot 原始碼，以及 FAP（戰鬥模擬）、BWEM（地圖分析）兩個常見函式庫。時間到時，資料夾裡能編譯的東西就是最終 bot。代理可以編譯、打練習賽、讀摘要與 log；關掉網頁搜尋與外網。
Astra 領先，人類仍很強
分數是勝率（0 至 100）：每個模型產出 5 隻最終 bot，對上一組固定的人類／示範 bot 名單取平均。頁面寫道：
- GPT-6 Astra 是 v0.2 最高分，明顯領先第二的 GPT-6.1 Sol。
- Gemini 4 Argon、Claude Opus 5.5、Claude Fable 5.1 大致並列其後，分數都在 37 至 39 之間。
- Gemini 4 Argon 名列第 3；Muse Wonder Full 第 7。
- 對上頂尖人類 bot Stardust、PurpleWave、BananaBrain，最強的 GPT-6 Astra 勝率仍只有約 7%。
成本圖顯示：GPT-6.1 Sol 位在「分數第二、成本約為 Astra 十分之一多一點」的甜蜜區（頁面原句為 just over a tenth）。同模型不同輪次也有落差：Argon 最好與最差相差 18 分，Astra 9 分，Opus 5.5 8 分。
練習強敵才是關鍵
頁面指出，分數最強的預測因子，是模型在這一小時裡，對名單上 7 隻最強 bot 打了多少練習賽。Astra、Sol、Argon 會在自己還常輸時就早早開打；Wonder Full、Haiku 5.5、GPT-6 Luna 很少或從不這麼做。例外是 Fable 5.1：分數 37，卻幾乎只打弱敵。
比賽設定：神族對神族，三張梯圖（Heartbreak Ridge、Benzene、Destination）；摧毀對方所有建築即勝；打滿 60 分鐘（86,400 frames）則比照 BASIL 以擊殺與摧毀建築分數決勝。每個模型的 5 隻 bot 各對 13 隻名單 bot、每張圖 6 場。v0.2 不再讓 LLM bot 互打，改成固定對手，方便跨代比較。
與熱門總榜的相關性變弱（與 Artificial Analysis Intelligence Index 的 Spearman ρ 約 0.26）；Astra 在 StarSkirmish 第一，在該指數這 9 個模型裡只並列第 4。頁面認為，較少被當成刷分目標的「長時間、難寫程式」任務，彼此仍較一致。
為什麼這則趣聞值得看
本站觀點（非來源內容）：這像把「代理寫程式」搬進真的會輸贏的對戰裡：時間到、程式要能編譯、還要跟人類高手 bot 打。分數提醒我們：旗艦模型在封閉任務上已經能排出名次，但離頂尖人類作品仍很遠。本文只轉述公開基準結果，不提供任何遊戲破解或作弊做法。