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
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11