MazeBench 最新结果：Gemini 3.8 Flash 达 4% 领先

patiencecave 公布 3D 开放世界迷宫基准 MazeBench 最新结果：Gemini 3.8 Flash 得 4%，Muse Spark 1.3 得 0%，多数模型低于 1%，GPT-5.6 Sol 暂居榜首，主要因运行时间更长且成本更低，最新版 Fable 若保持当前速度有望反超。值得注意的是，Google 进步显著，Gemini Flash 系列两个月内从 0% 到 1% 再到 4%，世界建模能力逐代提升，而 Fable 5.1 持平上代。

2026-09-04 ~ 2026-09-04 · 4 条相关

• MazeBench 新结果：Gemini 3.8 Flash 仅得 4%，模型普遍低于 1% — patience_cave · 2026-09-04
• MazeBench 开跑：Gemini 3.8 Flash 得 4%，Fable 5.1 持平上代 — patience_cave · 2026-09-04
• 两月内 0% 到 4%：Gemini Flash 系列世界建模逐代进步 — patience_cave · 2026-09-04
• GPT-5.6 Sol 暂居 MazeBench 榜首，Fable 5.1 或有望反超 — patience_cave · 2026-09-04