battle-royale

OpenRouter的一个实验将11个LLM投入一个2D大逃杀游戏，发现Grok 4.1 Fast以低成本赢得了43%的对局，而Claude Sonnet 4.6赢的较少但表现出更多合作行为，凸显了基准测试得分与真实游戏性能之间的差异。