PlaySuite 基准：5734 款游戏实测 14 个开源模型的视觉智能

研究者推出 PlaySuite，一个面向交互式视觉智能的大规模基准，让 AI 智能体在超级计算机上玩 5734 款视频游戏，评测 14 个开源模型。该基准把智能体从静态基准搬进数千个陌生视觉世界，考察其在未知视觉环境中的交互与决策能力。游戏环境多样且动态，比静态截图问答更接近真实智能体部署场景，可系统暴露当前模型在视觉理解与长程交互上的短板。