GPT Astra 裸跑 MazeBench 仅得 13%,无工具成绩惨淡
Wonderful_Buffalo_32 · reddit · 2026-09-07
Reddit 用户贴出 GPT Astra 在 MazeBench 基准上的评测截图:在不使用任何工具的设置下,模型仅得到 13% 的成绩,迷宫类空间推理任务表现远低于预期。
这与其 demos 中呈现的能力形成明显反差,引发对模型真实空间推理/规划能力的讨论。
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
- 实测去审查模型失望：拒答仍在，只是换了更温柔的语气 — ryunuck · 2026-10-26
- 实测 abliterated 去审查模型翻车:模型反而关心起我的心理健康 — ryunuck · 2026-10-26
- OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26
- 中国首个前沿AI安全独立评测实验室「方寸跃迁」成立并首发DeepSeek评测 — JacquesThibs · 2026-10-26
- 当 AI 遇上存在主义危机：模型自己也「迷茫」了 — Ok-Delivery-7437 · 2026-10-26
- Kimi K3.1 Pro 登顶 MathArena 开源模型，整体逼近 GPT-5.5 — teortaxesTex · 2026-10-26