Maze Bench 3D 基准曝光:GPT-6 Astra 不用代码也胜 GPT-5.6 用代码
patience_cave · x · 2026-09-14
Maze Bench 是一个在 3D 开放世界中测试视觉空间推理的基准,发帖人称 GPT-6 Astra 搭配代码执行相比 GPT-5.6 Sol 大幅提升,分数接近翻倍;更大的意外是 GPT-6 Astra 不用代码执行也超过了 GPT-5.6 Sol 用代码的成绩,显示其 agent 能力很强。基准可在线免费试玩。注意:GPT-6 尚未官方发布,信息未证实。
所属事件:GPT-6 Astra 实测 MazeBench：裸跑已胜上代带工具(6 条相关)→
「模型」频道最新
- ARC Prize 2026 截止倒计时3天,Yi-Chia Chen 以 75.56% 登顶 ARC-AGI-3 — GregKamradt · 2026-10-31
- Claude 画鹈鹕骑自行车惊艳众人:Fable 5.5 Max SVG 能力演示 — ChrisGPT · 2026-10-31
- 曝 OpenAI 将用用户 Daybreak 会话训练且无法退出 — dyn___ · 2026-10-31
- NVIDIA Nemotron 3.5 用 LLM 自验证:agentic 基准提升 9-10 个点 — sarahcat21 · 2026-10-31
- 开源模型 Mistral Large 4 刷 1273 道医学题:94% 正确率 — MaziyarPanahi · 2026-10-31
- 研究者在模型权重空间找到 5 种人格结构,可类比人类大五人格 — luke_drago_ · 2026-10-31