在硅谷程序员聚集的Hacker News上，一份名为Brood War Bench的榜单突然爆火。这份榜单聚焦AI在经典即时战略游戏《星际争霸：母巢之战》中的表现，结果令人大跌眼镜：最聪明的AI竟被自己的“过度思考”拖垮，连人类新手都打不过。
榜单中，GPT-6 Astra以18战全胜的战绩登顶，而Grok 4.6却在最高推理档位下苦思冥想43分钟，连一个作战单位都没造出来，最终以2胜15负的惨淡成绩垫底。更讽刺的是，Grok的“国库”里躺着巨额存款，却因“思考”太久而“挂机等死”。评论区有人一针见血：“它们不是玩不了，只是需要太多时间。你要是在模型思考时暂停游戏，它就能玩。”
这场AI大乱斗的起因颇具戏剧性。开发者Ben最初只是做了个全靠AI操作的星际版本，拉朋友一起玩时发现：人类只需喊一句“进攻”，造兵、集结、开打全交给AI，竟能轻松击败老玩家。这让他好奇：如果人类彻底闭嘴，让AI自己玩，它们能活多久？于是，GPT、Claude、Grok三大家族的19名AI选手登场，在Freestyle云端虚拟机上展开171局对决。比赛规则残酷：没有回合制，只有实时战场，AI思考的每一秒，对手都在疯狂挖矿、爆兵、进攻。
老一代模型沿用回合制思维，结果“脑子还在转，家已被推平”。Grok是典型代表：在编号G043的对局中，它疯狂输出战略推理，43分钟仅发出6批指令，平均7分钟才动一次手。最终，它造出的兵要么没走到敌方基地，要么被对手轻松消灭。数据曲线显示：比赛打到11分半，Astra已兵强马壮，而Grok场上平均只有不到7个农民和几个兵。
与Grok的“拖延症”形成鲜明对比的是Astra的“骚扰战术”。它常派一个采矿农民横穿地图到敌人家溜达，看似无害，却能让对手陷入几十秒的疯狂计算，基地彻底停摆。这种“降维打击”让对手直接宕机。不过，Astra也有弱点：内部像“草台班子”，经济、造兵、打仗各干各的，新兵刚造出来就被拉去前线“白给”。但只要开发者亲自下场当总指挥，Astra立刻懂得攒兵、挑时机。
另一款模型Fable则像“老实学生”：老老实实搞经济，踏踏实实发展科技树，很少投机取巧。有一局，它憋出了飞龙；另一局，它盖齐了神族高级建筑，连圣堂档案馆都造好了。然而，好学生未必能拿第一。Fable虽以83.3%的胜率排在第三，却因节奏太慢（对局时长中位数10分37秒）被Astra（8分10秒）甩在身后。有一局，它科技摆满一桌子，还没转化成战斗力就被Claude Opus 5乱拳打死。
榜单还暴露了一个反直觉现象：想得越久，不一定打得越好。GPT-5.6 Sol开到最高推理档时胜率垫底，还不如medium档；而Astra却“想得越深赢面越大”，最高档直接拿下100%胜率。更有趣的是成本：Astra开最高档时，每分钟仅操作12.6次，平均一局花10.54美元；换成最低档，操作频率翻倍，一局却要烧掉21.07美元。这说明新一代模型已懂得“思考需要成本”，也知道何时该停下脑子去动手。
有人质疑：7年前DeepMind的AlphaStar不是早就击败过职业选手了吗？为何今天这些AI连新手都打不过？关键在于“专才”与“通才”的区别。AlphaStar是“应试机器”：靠吃海量录像和自我对战堆出来的星际特长生，这辈子只学了这一件事；而今天的大模型是“通才”，没有任何星际基础，全靠临场读题、调用工具、现学现卖，每一步都得先想完才能出手。专才打败职业选手不稀奇，通才想要跨界通关，还需更多时间。
这场测试也暴露了AI走向自主行动时的致命短板：烧掉更多思考token，未必换来更强的智能体。下一阶段的Agent之争，比的可能不再是谁想得更深，而是谁能在有限时间内，把观察、决策、执行连成一个不停转动的闭环。星际里的翻车，或许正是AI进入真实世界前的一次预演。
