一句话看懂：arXiv 2026 年 11 月 4 日上线的一篇论文提出 LOLPlay 基准，在《英雄联盟》原生环境中评测实时视觉智能体，覆盖 36 个英雄专属任务。GPT-6 Astra 在摘要报告的评测中取得最高 25.0% 任务成功率，但提高推理强度并未带来收益，暴露出“想得越多、动手越慢”的实时控制难题。
事件核心：发生了什么
根据论文摘要（目前公开信息仅为摘要，全文实验尚未核验），LOLPlay 让智能体只通过截图观察游戏画面，并用鼠标、键盘动作与《英雄联盟》交互，任务涵盖资源管理、战斗、协作和地图目标四大类，共 36 个英雄相关任务。基准支持自动化初始化和 82 项可执行子目标检查，用来区分“完成了一部分”和“真正完成任务”。
摘要给出的数据是：对三个模型在三种推理强度设置下共进行 324 次任务评测，GPT-6 Astra 在低、中推理强度下任务成功率最高为 25.0%，中推理强度下子目标成功率最高为 40.3%。但所有模型在高推理强度下两项指标都没有超过低推理强度设置。
为什么重要
这组结果指向视觉智能体的一个关键矛盾：推理能力变强，不等于实时操作表现更好。对 Astra 而言，请求变长会压缩交互轮数，说明额外的思考在实时控制场景中存在成本。轨迹还显示子目标组合不完整，以及动作在被观察的画面已经变化之后才执行。相比常见的静态问答或离线评测，LOLPlay 把“边看边想边操作”的实时性纳入了基准，这对具身智能、游戏 AI 和 GUI 操作 Agent 都有参考价值。
对用户/开发者/创作者的影响
对开发者来说，摘要信息表明，在实时交互类 AI 应用里，单纯拉长思维链未必划算，推理延迟与动作时序需要一起设计。对使用 GUI Agent 或游戏辅助工具的用户，短期内不宜期待这类模型能稳定代打或自动完成复杂任务，25% 左右的成功率仍属于研究阶段水平。对游戏内容创作者，LOLPlay 更可能先成为评测和研究工具，而非可直接使用的产品能力。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文是否披露更多模型、任务细节和失败案例，以及评测是否可复现；二是后续研究能否通过缩短推理链或改进动作时机，让高推理强度重新带来收益；三是这类实时基准是否会推动游戏公司或 Agent 开发者跟进类似评测。目前公开信息有限，上述结果仅适用于该论文摘要描述的日期、任务和设置，不构成模型能力的永久排名。
来源：arXiv cs.AI
