MazeBench 基准:GPT-6.2 Astra 居首,Gemini 4 Neon 效率突出

博主 patiencecave 在自建的大规模 3D 开放世界基准 MazeBench 上对比新一代模型(各模型统一 200M token 预算):GPT-6.2 Astra 以 16% 得分居首,表现与前代持平但单次运行成本从约 840 美元降至 225 美元、仅为前代四分之一;GPT-6.2 Sol 较前代进步显著、能力逼近 Astra 但同价略逊;Gemini 4 Neon 解谜速度惊人,按未缓存输入 token 计算的效率远超其他竞品。

2026-11-20 ~ 2026-11-20 · 4 条相关