🎯 情报来源：量子位
近日，由UCSD Hao AI Lab开发的大模型o3-pro在经典小游戏benchmark中取得突破性表现，超越了此前的SOTA模型o3。在推箱子和俄罗斯方块两款游戏中，o3-pro不仅直接突破benchmark上限，还在性能指标上实现了翻倍提升。
核心要点：
- o3-pro在推箱子游戏中完成所有关卡，此前最高纪录仅到第六关。
- 俄罗斯方块测试被强行终止，因o3-pro未达游戏结束条件，得分远超前SOTA模型。
- Lmgame benchmark包含6款经典游戏，评估标准根据游戏特性动态设计。
📌 情报分析
技术价值：极高
o3-pro通过智能体框架（感知、记忆、推理模块）显著提升了复杂任务解决能力，其在推箱子和俄罗斯方块中的表现展现了大模型在动态决策环境中的潜力。
商业价值：高
开源benchmark和高性能模型结合，为行业提供了更可靠的测试基准，同时也为AI训练工具链（如SGLang、vLLM）创造了更多市场机会。
趋势预测：
未来3-6个月，经典小游戏可能成为大模型研发的标准测试平台，同时更多复杂游戏（如宝可梦）将被纳入benchmark体系，进一步推动多模态AI的发展。