最新AI挑战《杀戮尖塔》最高难度：前期能过关，后期集体苦战

今天刷到一篇论文，我整个人愣了一下——有人把《杀戮尖塔》的最高难度丢给AI去打，结果这些模型在前半段还能看，到了后半段却集体卡壳。

不是某个模型翻车，是几乎都打得很挣扎。这个反差感，比任何"AI要取代人类"的论调都来得实在。

先说清楚：这是个什么实验

这项研究由拉德堡德大学机器学习与神经计算学科人工智能部门助教Sander W. Keemink，以及AI研究非营利组织Vector Institute的Scott C. Lowe共同完成。论文发布在学术论文预印本公开网站arXiv上，属于查审前的论文。

实验方式很直接：用20种大语言模型（LLM），让它们去打《杀戮尖塔》的最高难度——进阶20。每个模型使用相同的10种种子，各挑战10次。使用的角色统一是铁甲战士。

为了让LLM能直接上手，研究团队扩展了现有的游戏操作Mod，搭了一个叫SpireBench的实验环境。考虑到这些模型可能早就学过《杀戮尖塔》的攻略信息，主要实验里还把游戏内的名称替换成了别的叫法。

《杀戮尖塔》本身是2017年在Steam开启抢先体验、2019年正式发行的牌组构建类Roguelike卡牌游戏。玩家要爬过三层塔，战斗时每回合从牌组抽5张牌选行动，卡牌靠战斗奖励一张张攒，爬塔过程中牌组构成不断变化。运气和策略搅在一起，上瘾性极强，后来还上了主机和手机，影响了一大批后续作品。2026年3月，续作《杀戮尖塔2》已经在Steam开启抢先体验。

前半段像模像样，后半段集体卡壳

先看数据。GPT-6 Astra、Claude Fable 5.1、Claude Opus 5在第一层（Act 1）的突破率都是90%——10次里过9次，这个成绩已经能看了。

但到了第二层，突破率直接腰斩：GPT-6 Astra和Claude Fable 5.1各50%，Claude Opus 5是40%。

第三层更惨：Claude Fable 5.1是20%，GPT-6 Astra和GPT-5.6 Sol各10%。

最终Boss的击破率呢？GPT-5.6 Sol是10%，其余全部是0%。也就是说，20种LLM各打10次，加起来200次挑战，最终Boss只被击败了1次。

研究团队还把结果和人类数据做了对比。Mega Crit公开的铁甲战士约20万6000次游玩记录里，第一层突破率47%，第二层15%，第三层7%，最终Boss击破率4%。

只看游玩时间超过1000小时的玩家记录（8287次），第一层54%，第二层20%，第三层11%，最终Boss7%。

再缩小到"击败过最终Boss的玩家"，3641次记录里，第一层突破率58%，第二层29%，第三层21%，最终Boss16%。

而Twitch上4位本作资深主播的数据是：第一层突破率90%左右，第二层70%左右，第三层56%到71%，最终Boss46%到65%。

结论很清晰：最前沿的LLM能超过普通人类玩家的平均水平，但离熟练玩家还差得远。第二层之后的突破率，资深主播把LLM甩开了一大截。

问题出在哪：太怕死了

论文对LLM的强项和弱项做了推测。强项是短期战斗——高性能LLM能更好地应对眼前的战斗，把握敌人攻击、计算伤害、决定出牌。性能越高的模型，越能高效使用能量，用更少的回合结束战斗。也正因如此，第一层突破率能追平资深主播的模型确实存在。

但长期战略上，LLM明显不如资深主播。因为《杀戮尖塔》里，战斗只是策略的一部分，路线选择同样是策略。是走安全路线保血量，还是打精英怪博丰厚奖励，这些都需要决断。各种事件里也有"牺牲HP换卡牌升级"这类有风险但也有回报的选项。游戏不只是活下来，还要在承担风险的同时做出让卡组成长的选择。

而LLM倾向于优先保住眼前的HP，回避那些有风险但有利于长远成长的选择。说白了就是打得太谨慎。只看打到第一层Boss的数据，第一层里与精英怪的平均战斗次数，人类整体是1.96次，资深主播是2.6次，LLM只有1.25次。在可以选休息或升级卡牌的休息处，选择休息的比例，人类整体是23%，资深主播是9%，LLM却高达68%。结果就是打到第一层Boss时，剩余HP占最大值的比例，人类整体是62%，资深主播是56%，LLM却保留了82%。

论文还指出，LLM有"过度获取卡牌"的倾向。在这款游戏里，不拿不必要的卡、让卡组更容易抽到想要的卡，本身就是一种构筑策略。打到第一层Boss时，人类玩家战斗后不拿卡的比例是23%，卡组平均16.8张；LLM战斗后不拿卡的比例只有8%，平均卡组19.3张。

此外，论文还提到LLM反复游玩也不会从经验中变强。不仅没有因记忆积累而出现明显的成绩提升，有时还会在没能充分验证哪些行动带来胜负的情况下就记住教训。而且它们也更容易把谨慎行动当作经验积累下来。这种游玩风格，可能也是LLM在第二层之后至少比资深主播更苦战的原因之一。

值得一提的是，让LLM玩《杀戮尖塔》的研究本身并非首次。不过与过去的研究相比，这次的特点是使用了最新模型、难度设为最高的进阶20，以及虽然改了卡牌名称等，但让LLM直接游玩《杀戮尖塔》本身。

不过目前这篇论文尚未确认经过同行评审，论文内也把各LLM只尝试10次、次数偏少，以及人类和LLM并非使用相同随机种子游玩等列为研究局限。比较使用的角色只有铁甲战士，换别的角色可能需要不同的能力。而且即便改了游戏内名称，也无法排除LLM已学习的牌组构建游戏通用知识，这可能影响了LLM的游玩表现。

考虑到这些，这未必能算作严格比较人类与LLM纯粹《杀戮尖塔》水平的数据。但即便如此，也能看出即便用上最新LLM，《杀戮尖塔》的最高难度依然极其困难。数据里能看到LLM回避风险、采取谨慎游玩风格，同时在后期苦战的倾向。它们在《杀戮尖塔》特有的决断难度上陷入困境这一点，或许让人多少有点亲切感。