Portal2Bench 测试 AI 智能体能否通关《传送门 2》关卡

Portal2Bench 是一个与 Valve 无关的独立基准测试，用于衡量 AI 智能体能否通关《传送门 2》第 2 至第 5 章的 26 个测试关卡；只有当智能体在 300 次规划和 30 美元预算内到达下一张地图时，该关卡才计为通关。通过 Codex 运行的 GPT-6.1 Sol 和 GPT-6 Astra 各自通关了 26 个关卡中的 20 个，GPT-6.1 Terra 通关 19 个，Opus 5.5 通关 11 个，Sonnet 5.5 通关 6 个，GPT-6 Luna 通关 0 个。智能体发送按键和视角转向，并接收截图和自身位置，只能访问一个笔记文件夹，无法使用 shell、网络或控制台；每个通关关卡的中位成本从 GPT-6.1 Terra 的 0.74 美元到 Fable 5.1 的 13.12 美元不等。