有意思，Anthropic在它们对Claude Fable 5的博客中，使用了几款游戏作为一种直观的“Benchmark”。据称，Fable 5在玩《杀戮尖塔》的时候，比Opus 4.8打到最后一关的频率高了三倍😆或许以后，可以基于游戏做一个LLM Computer Use能力的Benchmark了

https://www.anthropic.com/news/claude-fable-5-mythos-5