Fable 5.2 登顶 MazeBench 后陷评测污染疑云

Fable 5.2(Claude Code max)在第三方 3D 迷宫基准 MazeBench 上以 21% 的成绩刷新纪录登顶,同时领跑 token 效率榜;但基准作者随后曝光的评测污染疑云让这份成绩的可信度受到质疑,目前结论尚待跑满 10 亿 token 的进一步验证。

已确认

尚未确认

为什么重要

2026-11-16 ~ 2026-11-17 · 9 条相关

事件全程(共 2 集)→

一手来源