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
- php2shell 漏洞实测：仅 2/5 前沿模型能完成利用移植，耗时 3.5-6 小时 — xeophon · 2026-10-27
- Qwen Code 发布 v0.26.2 预览版：新增会话权限规则与实验性共享 Agent Loop — qwen-code-review-bot · 2026-10-27
- GPT-6.1 Terra 事实错误率从 22.3% 降至 4.3%，降幅近 81% — haider1 · 2026-10-27
- GPT-6.1 Terra 发布:早期用户称写作与 computer use 表现亮眼 — BenBajarin · 2026-10-27
- GPT-6.1 Terra 跑分曝光:成本低至 Sol 一半,追不平 Astra — Angaisb_ · 2026-10-27
- Artificial Analysis 更新智能指数 v4.3.2，GPT-6.1 Terra 参与横评 — ArtificialAnlys · 2026-10-27