当大模型的能力越来越强，如何真正验证它们在「长期任务」和「复杂决策」上的差异，成了一个绕不开的问题。 相比刷榜式的基准测试，有一种方式更直观也更残酷--让 AI 自己去玩一款需要数十小时才能通关的经典游戏。
近期，开发者 JCZ 在其博客中分享了一次非常有代表性的实验： 让 Gemini 2.5 Pro 和 Gemini 3 Pro 分别独立通关《Pokémon Crystal（宝可梦 水晶版）》，并对两者的表现进行了系统对比。
部分内容已折叠，查看完整文章请先登录。 登录后查看完整文章
如果说以前的大模型更像“聪明的助手”， 那么从 Gemini 3 Pro 开始，我们正在看到真正意义上的-- “长期自主行动者”。
原 创文章，更多AI科技内容，微信搜索 橙 市 播 客 小程序
声明：本站所有文章，如无特殊说明或标注，均为橙市播客原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。如果你是AI总结，务必加上此版权说明
