MazeBench 评测：Grok 4.6 与多模型得分接近 0%
Artemonim · x · 2026-08-25
博主分享了 MazeBench 的最新评测结果。在 ox-alpha、Grok 4.6、GLM-5.3、Qwen 3.8-max 等多个模型中，得分均为 0%。其中 Gemini 3.7 Flash 得分 1%，表现优于 Kimi K3。该结果引发了关于模型特定任务能力的讨论。
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
- Muse Code 1.4.8 大幅省 token，官方宣布全员用量即时清零重置 — alexandr_wang · 2026-10-16
- Muse Spark Open 发布：816B/42B 激活，自称最强美国开源权重模型 — altryne · 2026-10-16
- 康奈尔与亚马逊研究：扩散语言模型预训练算力差距实为3-8倍而非16倍 — LucaAmb · 2026-10-16
- 图像决策榜 JevImageBench 升级 v0.3.0，Top 5 大洗牌 — airesearch12 · 2026-10-16
- Muse Spark Open 预估成最强非中国开源 LLM，agent 基准预测得分 36 — zsakib_ · 2026-10-16
- Claude Opus 5.5 实测:低推理档位每小时迭代次数是最高档 9 倍 — tom_doerr · 2026-10-16