Epoch AI

我们为最近的基准测试 SpireClimb 录制了一千多局《杀戮尖塔》及其续作的游玩过程。接下来几周，我们会把它们全部发布到我们的 YouTube 频道上，并配上字幕，展示模型在游戏中的思考过程。 来看看产出这段片段的这一局： youtube.com/watch?v=IfxMBWGRzGU 以及我们上传所有视频的播放列表： youtube.com/playlist?list=PLPKlbQAkw6Tw 这些视频并非实时录制，而是根据模型的游玩数据（输入和思考）重建的。 我们不打算在播放列表里更新未来模型在 SpireClimb 上的游玩视频，但我们希望这份存档能为了解当前模型如何玩这款游戏提供有趣的洞见。

在 X 查看视频

闭源前沿的网络安全能力，开源权重模型落后多少？大约 6–7 个月。 Zai 的 GLM-5.3 是我们 Cyber ECI 上得分最高的开源权重模型。它的 160 分超过了 OpenAI 3 月发布的 GPT-5.4。

《纽约时报》用可视化呈现了训练 AI 模型所需的惊人计算量，数据来自 Epoch 研究团队 📊 nytimes.com/interactive/2026/10/15/upshot/ai-data-center-math.html?unlocked_article_code=1.I1E.njvN.w-SoXEYFfzKU&smid=url-share 我们的训练算力估算：epoch.ai/data/ai-models Epoch 能力指数（ECI）：epoch.ai/eci

Argon 在不同领域的表现参差不齐。它在一些知识、智能体和图像基准测试中名列前茅，但在数学和软件工程方面落后，早期估计在 Math ECI 上排名第 8，在 SWE ECI 上排名第 6。

Gemini 4 Argon 在 Epoch Capabilities Index（ECI）上得分 165，与 Fable 5.1（165）持平，但落后于 Opus 5.5（167）和 GPT-6 Astra（166）。 虽然落后于 ECI 前沿，但 Argon 是 Google 自 2 月 Gemini 3.1 Pro 以来最接近的一次，相比 Gemini 3.8 Flash（157）也是一大跃升

虽然前沿模型进步很快，但它们在两款游戏最高难度下的胜率仍远低于顶尖人类玩家，其中 GPT-6.1 Sol 在原版游戏中领先。

半年前，前沿 AI 模型还几乎打不过《杀戮尖塔》。现在，根据我们新的 SpireClimb 基准测试，它们在最简单难度下能赢下 90%+ 的对局，在最难难度下也能赢下最多 20% 的对局。