MazeBench 新结果：Gemini 3.8 Flash 仅得 4%，模型普遍低于 1%
patience_cave · x · 2026-09-04
patiencecave 公布 MazeBench（3D 开放世界迷宫基准）最新结果：Gemini 3.8 Flash 得 4%，Muse Spark 1.3 得 0%，Fable 5.1 仍在跑，目前与 Fable 5 持平。
关键结论：在没有代码执行能力的情况下，模型在该环境中得分都低于 1%。后续补充：GPT-5.6 Sol 目前居首（跑得更久且更便宜）；Fable 5.1 已到 10%，若保持速度可能登顶；Google 的 Flash 系列两个月内从 0% 到 1% 再到 4%，热力图对比显示每代 agent 的世界建模精度都在提升。
所属事件:MazeBench 最新结果：Gemini 3.8 Flash 达 4% 领先(4 条相关)→
「模型」频道最新
- Mistral 发布 Voxtral 3 语音系列，转写模型冲上榜单第三 — ArtificialAnlys · 2026-10-21
- Perplexity 发布 Decider V1.2：登顶 Vals AI 决策模型榜 ClaimBench — bo_wangbo · 2026-10-21
- Omnii-1 基因组模型发布：AI 设计的噬菌体首次用于人体治疗 — JosephJacks_ · 2026-10-21
- Nous Portal 订阅曝光：未用完额度可滚存，最高档每月 220 美元 — alexcovo_eth · 2026-10-21
- 1.3B 开源文档解析模型 OXR 登顶三大榜：100 页解析仅 101 秒 — s_mohinii · 2026-10-21
- 从记忆存储理解 LLM：事实习得三阶段与幻觉同步涌现 — scott_linderman · 2026-10-21