banteg 上线 Sokoban 推箱子实时评测

开发者 banteg 上线 Sokoban（推箱子）实时评测。推箱子是考验多步规划与状态追踪的经典谜题，常被用作探测 LLM 推理与规划短板的小型评测。实时更新的截图显示，带 Python REPL 的 Sol 和 Opus 等模型（如 Claude Opus 5.5、Claude Sonnet 5.5、GPT-6.1 Sol/Terra 等）已打到第二部分终点。

2026-11-10 ~ 2026-11-10 · 2 条相关