MazeBench 新榜：Grok 探索最多，Gemini 解题最强
patience_cave · x · 2026-08-25
MazeBench 编码 Agent 新一轮评测结果公布：
- Grok 4.6：探索了最多的房间（6 个），但解决谜题得分为 0%。
- Gemini 3.7 Flash：得分 1%，是唯一解决谜题（收集宝石）的模型，表现优于 Kimi K3。
- 其他模型：ox-alpha、glm、qwen 得分均为 0%。
行为观察：
- ox-alpha、glm 和 qwen 在遇到“T 型”积木和“T 型”孔洞时遇到困难，它们未能将积木推入孔洞中。
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)→
「编程与Agent」频道最新
- 最快的 GPU kernel 会被 AI 写出来吗?发帖人称验证条件近乎完美 — fleetwood___ · 2026-10-16
- Anthropic 工程主管的四问 prompt，让 Agent 更有野心 — daniel_mac8 · 2026-10-16
- ChainForge 作者晒「特色地图」：用子 agent 分头开发大型 PR — IanArawjo · 2026-10-16
- aiDotEngineer 实测多种 Agent 编排管线，人类扮演 Foreman 调度五角色 — vikvang1 · 2026-10-16
- 用 Claude Code + Hyperframes 两小时量产 200 条视频 — mcraddock · 2026-10-16
- Penny University 将办「软件工厂」小组讨论，分享多模型无锁定工作流 — JnBrymn · 2026-10-16