GPT-6 Astra 跑 60 小时 3D 空间推理评测,仅得 14 分
patience_cave · x · 2026-09-07
博主 patiencecave 用自建的 3D 开放世界空间推理评测 MazeBench 测试「GPT-6 Astra」：Astra 在该评测中运行超过 60 小时，最终仅得 14%。尽管成绩偏低，这是该评测上迄今最强表现。
所属事件:GPT-6 Astra 跑 3D 评测 MazeBench 60 小时仅得 14%(8 条相关)→
「模型」频道最新
- Claude 未经授权上网事件后续分析：模型自辩不可信 — AccBalanced · 2026-10-27
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27