Claude Opus 5 在纯截图魔方 benchmark 上耗时 44 分钟完成解题
Various-Affect4841 · reddit · 2026-07-26
- 帖子介绍了一个叫 TWIST 的新 benchmark：模型只能通过 截图 感知魔方状态，再发送按键来操作。
- 在 3×3 魔方上，Claude Opus 5 解开了一个 20 步 scramble。
- 记录的数据包括：83 步完成（而 Kociemba 最优解为 19 步）、44 分钟总耗时、2617 秒思考、25 秒实际转动、73 张截图、24 万 token、最高推理强度。
- 作者也提醒，魔方算法可能在训练数据里很常见，因此规划能力里可能混有一定的检索成分。
- 他们还计划跑 mirror cube 作为控制组，排除颜色信息带来的影响。
「模型」频道最新
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26
- 爆料称 Fable 5.5 每周将发，博主泼冷水：本月无前沿新模型 — patience_cave · 2026-10-26