3D 空间推理基准 MazeBench：Opus 5.5 得 6%，GPT-6 Sol 仅 1%
patience_cave · x · 2026-09-23
博主用自建的 3D 空间推理基准 MazeBench 测试各家前沿模型：Opus 5.5 得分 6%，正逐步逼近「Astra」水平；GPT-6 Sol 与 Grok 4.7 则都只有 1%。结果显示顶级模型在 3D 空间推理这类任务上仍远未过关，彼此差距也很大。
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
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11
- 美国数据厂商被指向中国军方关联企业出售RL环境数据 — xeophon · 2026-11-11