MazeBench 迷宫评测：顶级模型集体翻车最高仅 8%

MazeBench 迷宫解谜基准对比结果显示，各家顶级模型几乎全军覆没：GPT-6.1 Terra 以 8% 的得分位居第一，Claude Sonnet 5.5 得 4%，Gemini 4 Hydrogen 仅得 1%。这一结果暴露出前沿模型在空间推理与迷宫解谜任务上仍存在明显短板。

2026-11-13 ~ 2026-11-13 · 2 条相关

• MazeBench 榜单：顶级模型集体翻车，最高分仅 8% — patience_cave · 2026-11-13
• MazeBench 迷宫基准：GPT-6.1 Terra 得 8% 居首，Gemini 4 仅 1% — patience_cave · 2026-11-13