20 个 AI 打尖塔，仅 1 个通关 A20，为啥比玩家怂？

一篇关于 AI 大模型挑战《杀戮尖塔》的论文，引发了不少讨论。这篇由加拿大和荷兰学者合作完成的研究，测试了 20 个主流 AI 大模型在《杀戮尖塔》A20 最高难度下的通关表现。

实验累计消耗 18 亿 token，调优成本接近 2000 美元，最终仅 GPT5.6 Sao 一个模型成功通关一次心脏。

之前也有过 AI 打《杀戮尖塔》的实验，但相关测试都有明显缩水：只用 8 张牌和 5 个孤立战斗场景，测的是微操而非完整对局；或是驱动真实游戏，但选最低难度 A0，模型只负责战斗、出牌和选卡牌奖励，不涉及路线规划、商店购物和萤火决策。

这次的 Spire Bench 框架，是专门用来评估智能体长期战略能力的。

实验统一使用铁甲战士开局，给所有模型设置相同的随机种子，要求它们从第一层开始，独立完成路线规划、战斗、卡组构筑和资源管理，最终目标是通过前三幕首领战，进入隐藏第四幕击败腐化之心。

为了测试长线规划能力，还允许 AI 记笔记，每层结束后可以记录对局经验，后续自由读取。

为什么选 A20 难度？研究人员选《杀戮尖塔》，是因为这款游戏对资源管理的考验最严格，或许没有之一。玩家要精准把控血量，以此获取卡牌、药水、遗物，构筑 BD 套路应对挑战，高难度下浪费一次微小资源就可能死亡。

A20 难度被称为最艰难挑战之一，官方数据显示玩家平均胜率仅 3%，Steam 统计只有 7.3% 的玩家获得过 A20 通关成就。

这个难度刚好适合考察 AI 的战略决策能力 —— 单个回合的最优选择未必能让玩家走得更远，平衡眼前生存与长远成长，才是通关关键。

实验给每个模型 10 局机会，200 局里仅 4 局打完第三幕，最终只有 1 局通关。对比顶尖主播的对局数据，就能看出问题：

AI 在第一幕平均只打约 1 场精英战，而主播约 2.6 场；萤火选择上，AI 在 57%-75% 的萤火处选回血，顶尖主播仅 9%；哪怕血量还有七成以上，AI 仍有 31% 概率选择休息，普通玩家只有 2%，主播全程选择升级卡牌。

这导致 AI 进入第一幕 BOSS 战时，血量往往在上限 90% 左右，主播大多只剩半血，但有更强的遗物和升级卡牌，损失的血量转化成后续优势。数据显示，采取保守策略的玩家第二阶段通关率仅 15%，积极打精英怪的玩家有 38%。

不仅如此，AI 还有攒牌的坏习惯。面对战斗后的卡牌奖励，人类玩家 23% 会选择跳过，AI 则照单全收，导致卡组越来越臃肿。第一阶段 BOSS 战时，AI 牌组平均 19.3 张，人类仅 16.8 张，而《杀戮尖塔》里，臃肿牌组会让关键牌更难抽到。

如果只看第一阶段，AI 表现已经接近顶尖高手 —— 高手主播第一阶段通关率 85%-92%，和表现最好的三个模型几乎持平。

但越往后差距越大：第二阶段模型通关率 40%-50%，第三阶段 0%-20%，第四阶段几乎无人生还，主播仍有 50% 胜率。

实验还设计了跨局学习机制，每局结束后 AI 可以写经验进记忆库，下局读取。但最终审核发现，17% 的 AI 记忆存在事实性错误，而且记忆里建议谨慎行事的有 119 条，建议冒险的仅 17 条。AI 把过度保守的倾向写进记忆，形成越打越怂的循环。

从这次实验看，当下最强的 AI 能处理不少局部战术，但把眼前优势转化为最终胜利，仍是难题。

这也说明，当面对回报更晚、失败原因更难追溯的情况时，大模型未必能给出最不出错的答案。