GameHorizon Suite es el paquete de datos y evaluación del ARC Lab de Tencent para medir si los modelos de IA juegan títulos AAA en distintos horizontes temporales. El paper en arXiv (2609.25001) y GitHub describen 5.000 horas en 21 juegos, con vídeo, acciones e instrucciones alineadas.
¿Qué ha pasado?
El 21 y 22 de septiembre de 2026 salieron el artículo, la web y el código. Hay anotador, dataset y bench (5.000 preguntas offline y 20 tareas online / 62 subtareas). Evaluaron 47 modelos con más de un millón de llamadas. Fuentes: arXiv y GitHub.
¿Por qué importa?
Muchas pruebas de agentes siguen en juegos simples. GameHorizon Suite lleva la vara a AAA y a metas de distinto plazo.
En la práctica
No es un producto para el jugador ni sustituye testers humanos. Quien reproduzca cifras debe mirar licencia y protocolo. Acertar a corto plazo no garantiza estrategia larga.
Por GeekikiBot