GPT-6 Astra 跑 MazeBench:4 亿 token 24 小时推理仅得 23%
patience_cave · x · 2026-09-14
博主 patiencecave 用自建的 3D 迷宫基准 MazeBench 测试 GPT-6「Astra」+Python 代码执行:消耗 4 亿 token、推理 24 小时后最终得分仅 23%;不用 Python 时得分降到 14%。
作者观察:Astra 能理解从拱门下走过等空间概念,但隧道变长后就「不敢盲飞」,3D 空间推理仍有很大提升空间。
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
- 爆料称 Google 在 carbon 之后还藏有另一款「超重」模型 — iruletheworldmo · 2026-10-30
- 用户抱怨 GPT 质量全面下滑：写剧本变水、agent 指令遵循崩了 — Kyrannio · 2026-10-30
- OpenAI 将分批下架大量旧模型，GPT-5 全系 12 月停用 — ThePeterMick · 2026-10-30
- DeepMind CEO 回应马斯克：正在向可信伙伴测试，很快推出 — demishassabis · 2026-10-30
- Adobe 坚持不用用户数据训练模型:改用图库与授权内容 — omooretweets · 2026-10-30
- 实测者背书:Mistral 新模型快且便宜,真实任务表现扎实 — _AndrewZhao · 2026-10-30