CivBench

中国大模型在《文明5》里赢了 Claude — 真正的考验是 100 回合之后

新基准 CivBench 让大模型完整打一局《文明5》测长程决策，智谱 GLM-5.3 击败 Opus-5.5，阿里 Qwen-3.8-27B 意外稳健。这说明评估 AI 不能只看单轮问答。