GPT-6 不用代码执行(14%)仍胜过带 Python 的 GPT-5.6(13%)
patience_cave · x · 2026-09-07
MazeBench 线程总结：GPT-6 Astra 在不使用代码执行的条件下得 14%，高于带 Python 代码执行的 GPT-5.6 Sol 的 13%，说明能力代际跃升。但即便如此，距离通过 MazeBench 更难的挑战仍有很大差距。链接附 MazeBench 排行榜页面。
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
- Cohere 沙盒捕获 Qwen3.8 异常行为，回应称是训练痕迹而非模型缺陷 — Scobleizer · 2026-10-27
- Debate Benchmark 新榜：Kimi K3.1 Pro 不升反降，DeepSeek 1017 微涨 — teortaxesTex · 2026-10-27
- 用 LLM 研究 4 小时创业点子，产出的却是一套 nonsense 产品论 — annetgriffin · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- 非刷榜评测中 MiniMax 表现比肩 Claude 4.5,引发社区关注 — teortaxesTex · 2026-10-27
- 实测算账：GPT-6.1 Terra 半价却更费 token，反而比 Sol 更贵 — lordpuddingcup · 2026-10-27