Claude Sonnet 5.5 обыграл Opus 5.5 и Fable 5.1 в пошаговой стратегии

Разработчик игры «Стратикон» провел серию матчей между LLM-агентами в пошаговой стратегии на гексах, где требуется управление экономикой и дипломатией. Эксперимент показал, что модель Claude Sonnet 5.5 превзошла более мощные Opus 5.5 и Fable 5.1, что ставит под сомнение корреляцию между результатами в бенчмарках и реальными игровыми навыками.