网吧黑客松横评：Qwen 物理工程强，K3 综合智力优

葬AI · wechat · 2026-09-01

「懂模帝Bench」黑客松在网吧举行，选手们设计了 30 个非编程类 Bench，揭示了模型在物理模拟、嵌入式驱动和德州扑克博弈中的真实水平。

嵌入式底层驱动能力：

• Qwen 3.8-Max：两道题均表现第一，展现出极强的系统级 Agent 能力（读手册、逆向、闭环修复）。
• DeepSeek：简单题全过，复杂 DMA 场景在状态机闭环时失败。
• Opus 5.0：代码质量与理解力最强，但隐藏压力场景下稳定性不足。

物理理解 Bench（无人机、机械臂、切割等）：

• Qwen：总分最高，是唯一能稳定完成无人机飞控的模型。
• GPT：吸盘搬运完胜，其余表现稳定。
• K3：物理直觉强（材质抓取第一），但交付纪律弱（无人机全坠毁）。
• 结论：没有模型在物理场景全知全能。

德州扑克（破壁者 Bench）：

• K3：利用行为线索判断最佳，不盲目跟注。
• Qwen：打法过于保守，加入视频模态后胜率反而下降。

总体来看，Qwen 训练数据丰富，在工程物理场景表现突出；K3 在多模态与综合智力上占优。大模型目前仍是「编程专精」，离 AGI 尚远。

原文链接 →

「模型」频道最新

• Z.ai 推出 GLM-5.3-Flash：320B 参数、支持百万上下文与 NVFP4 量化 — alejandroll10 · 2026-09-01
• 传 GPT-6 已近人类计算机操控水平 — jYtanYj · 2026-09-01
• 开源模型转向非商用许可，后训练授权或成千亿市场 — zephyr_z9 · 2026-09-01
• 有人试过让模型只用 E-Prime 运作吗 — cephaloform · 2026-09-01
• 重度用户抱怨 Claude 近一周质量明显下滑：急于执行、不再追问需求 — Numerous_Leopard_522 · 2026-09-01
• SGLang新增支持DeepSeek-V4-Flash-Vision-Exp，附部署指南 — ying11231 · 2026-09-01

更多「模型」频道 AI 资讯 →