3D 空间推理 MazeBench 榜单：Opus 5.5 得 6%，GPT-6 Sol 仅 1%
daniel_mac8 · x · 2026-09-23
博主转发讨论了 3D 空间推理基准 MazeBench 的最新成绩：Opus 5.5 得分 6%，被认为正逐步逼近 Astra 的水平；而 GPT-6 Sol 与 Grok 4.7 在这个高难度基准上都只有 1%。发帖人还提到某模型"比 Fable 5.1 好 3 倍"的说法。上述模型与基准名称未经官方证实，成绩真实性存疑，建议以官方评测为准。
所属事件:3D 空间推理基准 MazeBench：前沿模型得分惨淡(2 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12