GameCraft-Bench: 에이전트가 실제 게임 엔진에서 엔드투엔드(End-to-End)로 플레이 가능한 게임을 제작할 수 있는가?

요약

에이전트가 실제 게임 엔진을 사용하여 엔드투엔드로 게임을 제작할 수 있는지 평가하는 새로운 벤치마크인 GameCraft-Bench를 소개합니다. Opus-4.7, GPT-5.5 등 최신 대형 모델들의 성능을 측정하며, 향후 중간 크기 모델들의 발전 가능성을 논의합니다.

핵심 포인트

• 게임 엔진 기반의 엔드투엔드 게임 제작 능력 평가 벤치마크 제시
• Opus-4.7, GPT-5.5 등 최신 대형 모델들의 성능 비교 수행
• 30-70B 규모의 중간 크기 모델에 대한 성능 기대 및 연구 필요성 언급