极端基准 Mazebench 启测：Fable 5.1 将面临百亿级 token 考验
patience_cave · x · 2026-09-02
针对新发布的 Fable 5.1，开发者启动了 Mazebench 测试——这是目前世界上最难的 3D 空间推理基准。
- 测试规模：单次运行可能耗时数周，预计将消耗数十亿 Token。
- 历史表现：Fable 5 在不使用 Python 的情况下得分仅为 1%。
此次测试旨在挑战模型在高维空间推理和长时间任务处理上的极限。
所属事件:Anthropic 发布 Fable 5.1 与 Mythos 5.1，缓存降价 75%(174 条相关)→
「模型」频道最新
- Mistral 发布 Timestral 时序预测模型，500 万参数可跑普通 CPU — lmoroney · 2026-10-18
- 曝 Hugging Face 热榜被刷:AutoTrust 模型靠数千养号点赞冲榜 — mrfakename0 · 2026-10-18
- AutoTrust 模型被曝刷榜:仅 17 天冲上 HF 史上点赞第 10 — realmrfakename · 2026-10-18
- Google AI Studio 全面升级:Gemini 4 Argon 驱动全栈应用一键部署 — clmt · 2026-10-18
- 爆料:OpenAI 下周将发布新模型,代号 aurora 疑似三款 alpha — imjustnewatai · 2026-10-18
- 用户吐槽 Gemini 推出 Argon 后大面积卡顿：一半请求挂起 — johnfromberkeley · 2026-10-18