SilverquiLLM-bench：用万智牌卡牌实现评测 LLM 编程智能体

开源基准 SilverquiLLM-bench 通过让 LLM 编程智能体在自定义游戏引擎中以 Python 类实现万智牌（MTG）卡牌来评测其代码能力。任务卡牌来自训练时不存在的新 MTG 系列，降低记忆污染风险；评测维度包括卡牌正确性、参考卡牌回归和引擎回归三项，采用隐藏测试套件，智能体以黑盒 Docker 容器运行且与模型无关。当前工作集 hob-medium 选取 5 张 HOB 卡牌，历史 SOS 基准选取 10 张卡牌，roster 覆盖 GPT-6 Astra、Sol、Luna 及 Claude Opus 5.5、Sonnet 5.5、Fable 5.1、Haiku 4.5。