MazeBench 最新成绩：一众旗舰模型迷宫任务得分为零
patience_cave · x · 2026-08-24
MazeBench 发布新一轮结果：ox-alpha、Grok 4.6、GLM-5.3、Qwen 3.8-max 在迷宫任务上全部得 0%；Gemini 3.7 Flash 拿到 1%，反而超过了 Kimi K3。显示当前前沿模型在结构化空间推理（迷宫求解）上整体表现仍然极差。
所属事件:MazeBench 迷宫评测：多旗舰模型得 0%，Gemini 3.7 Flash 领跑(4 条相关)→
「模型」频道最新
- Nat Lambert 炮轰 Meta Muse 开源许可证:一纸空文 — natolambert · 2026-10-16
- Google 发布 Gemini 4 Argon:强调物理理解与 3D 建模 — ShikharMurty · 2026-10-16
- Google 向 X 用户开放 Argon 早期测试,不止限企业 — lyraxana · 2026-10-16
- Grok Voice 3.0 登顶 Design Arena 语音榜,超上代 7.4 分 — XFreeze · 2026-10-16
- 16 项任务实测机器人 LLM：GPT-6 Astra 成功率 17.2% 力压 Fable 5.1 — pabbeel · 2026-10-16
- Meta 开源 816B 多模态模型 Muse Spark，评论称仅次于 DeepSeek — bindureddy · 2026-10-16