TetrisBench 的评测方式
stuffyokodraws · x · 2026-07-18
这条在讲 TetrisBench 的设计和玩法：它提供了让模型下场玩俄罗斯方块的评测环境，用户也可以直接在页面上对战模型。
回复里提到，用它测试 Fable 对阵 Kimi K3 时，Fable 在长程规划和优化方面表现出乎意料地好；视频速度为 1.6x。整体信息重点不在某个单一模型刷榜，而在于这个基准如何把“能否规划、能否长期优化”这种能力变成可观察的对局表现。
所属事件:Fable在TetrisBench规划能力表现亮眼(2 条相关)→
「模型」频道最新
- BullshitBench 榜单更新:GPT-6-Astra 领先历代 OpenAI 模型仍未及 Anthropic — scaling01 · 2026-09-11
- Agent Astra 在 GauntletBench 得 83%,成首个超人类基线的电脑操作 Agent — ducha_aiki · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用户呼声下 DeepSeek V4 Pro API 宣布继续服务,计费不变 — teortaxesTex · 2026-09-11
- 第三方实测:DeepSeek V4.1 Flash 达 GPT-6 Astra 98% 分,成本仅 1.4% — ayushtweetshere · 2026-09-11