Game Agent Coding League: как GLM-5 и DeepSeek пишут игровых ботов — обзор бенчмарка и исходного кода

Когда нейросети играют в морской бой

Представьте: вы даете языковой модели задание "Напиши бота для игры в морской бой". Что получится? Хаотичный код, который даже не компилируется? Или рабочая стратегия, способная обыграть человека?

Ответ дает Game Agent Coding League — открытый бенчмарк, который появился в январе 2026 и сразу стал стандартом для оценки кодинговых способностей AI-моделей в игровой сфере. GACL не тестирует абстрактные знания, а заставляет модели писать реальный код для реальной игры.

Что такое GACL на самом деле

Game Agent Coding League — это не просто очередной рейтинг моделей. Это полноценная платформа для оценки способности AI писать игровых агентов. Правила просты:

• Игра — классический морской бой (Battleship) на поле 10×10
• Каждая модель получает одинаковое описание API игры
• Задача — написать Python-класс с логикой бота
• Боты сражаются в турнире на 1000+ партий
• Побеждает стратегия с лучшим win rate

Звучит просто? Пока не увидишь, как модели справляются с этим. Главная сложность — не написать код стрельбы по клеткам, а создать стратегию. Бот должен запоминать попадания, определять направление кораблей, адаптироваться к поведению противника.

GLM-5 против DeepSeek: кто пишет лучше ботов

К февралю 2026 в GACL участвовали 12 моделей. Самые интересные результаты показали именно те модели, которые позиционируют себя как "агентские" — GLM-5 и DeepSeek-Coder-V2.5.

GLM-5 взял первое место не случайно. Его агентские возможности, о которых мы писали в разборе агентских войн, здесь проявились в полной мере. Модель не просто сгенерировала код — она разбила задачу на подзадачи: "сначала напиши базовый алгоритм стрельбы, потом добавь логику поиска кораблей, потом оптимизируй стратегию".

Как выглядит код от GLM-5

Заглянем в исходники бота, который сгенерировала GLM-5. Не весь код, конечно — он занимает 180 строк. Но ключевые фрагменты показывают, как модель думает:

class GLM5BattleshipAgent:
    def __init__(self):
        self.board_size = 10
        self.hits = []  # список попаданий
        self.misses = []  # список промахов
        self.ship_patterns = self._generate_ship_patterns()
        self.hunting_mode = False
        self.current_target_ship = None
        
    def _generate_ship_patterns(self):
        # GLM-5 самостоятельно сгенерировала шаблоны кораблей
        # вместо использования стандартных
        patterns = []
        for length in [5, 4, 3, 3, 2]:
            for orientation in ['horizontal', 'vertical']:
                base_patterns = self._create_ship_base(length, orientation)
                patterns.extend(base_patterns)
        return patterns
        
    def make_shot(self, game_state):
        if not self.hunting_mode:
            # Фаза поиска: стреляем по стратегической сетке
            return self._search_pattern_shot()
        else:
            # Фаза охоты: добиваем найденный корабль
            return self._hunt_ship()

Что здесь интересно? GLM-5 не просто скопировала готовую стратегию из интернета. Модель создала свою систему шаблонов кораблей и реализовала двухфазный алгоритм: сначала поиск, потом охота. Это показывает понимание игры, а не просто умение генерировать код.

А что с DeepSeek?

DeepSeek-Coder-V2.5 показал результат чуть хуже, но его код чище. Модель использовала более математический подход:

class DeepSeekBattleshipAgent:
    def __init__(self):
        self.probability_map = np.zeros((10, 10))
        self.update_probability_map()
        
    def update_probability_map(self):
        # Вычисляет вероятность нахождения корабля в каждой клетке
        # на основе известных попаданий и промахов
        for x in range(10):
            for y in range(10):
                if (x, y) in self.hits:
                    self.probability_map[x][y] = 0
                else:
                    # Сложная формула, сгенерированная DeepSeek
                    prob = self._calculate_cell_probability(x, y)
                    self.probability_map[x][y] = prob

DeepSeek пошел путем вероятностного моделирования — подход, который часто используют в серьезных AI для игр. Но здесь есть загвоздка: вычисления вероятностей требуют времени, и в условиях ограничения на время хода (100 мс) это создает проблемы.

Интересно, что DeepSeek явно обучался на математических задачах — его подход напоминает то, что мы видели в обзоре DeepMath. Но в играх чистая математика не всегда побеждает.

Типичные ошибки AI-кодеров

Изучая код от разных моделей в GACL, можно составить целый каталог типичных ошибок:

1. Забывают про границы поля. Бот пытается выстрелить в клетку (10, 10) при размере поля 10×10 (индексы 0-9).
2. Не учитывают время выполнения. Сложные алгоритмы не укладываются в лимит 100 мс на ход.
3. Пишут неоптимальные циклы. Вместо O(n) получается O(n²) на небольших данных.
4. Дублируют логику. Одна и та же проверка появляется в трех разных местах.
5. Не обрабатывают edge cases. Что делать, если корабль стоит в углу? Многие модели не думают об этом.

Qwen3-Coder-32B вообще не прошел компиляцию — синтаксическая ошибка в условном операторе. И это модель, специально обученная для кодинга!

Зачем нужен GACL, если есть HumanEval и другие бенчмарки?

HumanEval проверяет, может ли модель решить изолированную задачу. GACL проверяет, может ли модель создать систему. Разница фундаментальная.

В игровом агенте нужно:

• Спроектировать архитектуру (классы, методы, состояния)
• Реализовать несколько взаимодействующих компонентов
• Учесть ограничения производительности
• Создать стратегию, а не просто алгоритм

Это ближе к реальной разработке. Как раз то, о чем мы говорили в разборе архитектуры AI-кодинг агентов.

GACL также показывает разницу между "знанием синтаксиса" и "пониманием задачи". Многие модели прекрасно пишут код на Python, но не могут создать рабочую игровую стратегию.

Кому пригодится GACL в 2026

Если вы:

• Выбираете модель для автоматизации кодинга — смотрите не на синтетические тесты, а на GACL. GLM-5 показал лучший результат именно потому, что его агентские возможности реально работают.
• Разрабатываете игровых ботов — используйте код из GACL как стартовую точку. Зачем писать с нуля, если можно взять работающего бота от GLM-5 и доработать?
• Обучаете свою модель — GACL предоставляет отличный датасет: задание + правильные решения + неправильные решения с ошибками.
• Исследуете возможности AI-агентов — наблюдайте, как разные подходы (агентский у GLM-5, математический у DeepSeek) дают разные результаты.

Особенно интересно GACL для тех, кто работает с фреймворками для AI-агентов. Можно интегрировать ботов из GACL в Autogen или LangChain и посмотреть, как они работают в составе более сложных систем.

Что будет дальше с игровыми агентами

GACL — только начало. Уже анонсированы расширения для других игр: покер (с неполной информацией), шахматы (с ограничением времени), даже простые RTS. К концу 2026 мы увидим, как модели будут писать ботов для Dota или StarCraft.

Но главный тренд — не сложность игр, а качество кода. Судя по результатам GACL, модели научились писать работающий код. Следующий шаг — писать оптимальный, чистый, сопровождаемый код. GLM-5 уже на пути к этому со своими агентскими итерациями.

Мой прогноз: к середине 2027 мы увидим модель, которая не просто напишет бота для морского боя, но и:

• Напишет тесты для этого бота
• Создаст документацию
• Оптимизирует производительность
• Предложит несколько альтернативных стратегий с анализом плюсов и минусов

И все это — в одном запросе. Агентские войны, о которых мы писали, перейдут на новый уровень. GLM-5 и DeepSeek уже показали, что способны на большее, чем просто генерация кода. Они начинают думать как разработчики.

Пока GLM-5 лидирует в GACL, но гонка только начинается. DeepSeek уже анонсировал версию 3.0 с улучшенными агентскими возможностями. Claude и GPT тоже не стоят на месте. Кто напишет лучшего бота к концу 2026 — вопрос открытый.

Одно ясно точно: оценка AI-моделей перестала быть абстрактной. Теперь мы можем сказать "Эта модель пишет игровых ботов на 74% эффективнее". И это куда информативнее, чем "86 баллов на MMLU".