MazeBench新纪录:Schema配GPT-6 Astra得33%,超人类中位数
patience_cave · x · 2026-10-14
编码智能体在长程基准 MazeBench 上创下新纪录:Schema harness 配合 GPT-6 Astra 拿下 33%,比此前 Codex 的 23% 大幅提升。
- 配图榜单显示:gpt-6-astra + Schema 33%,同模型 Codex max 23%,gpt-6.1-sol 17%,claude-opus-5-5 13%
- 关键细节:在更长交互中,可执行程序能否持续有用?Schema with GPT-6 Astra 收集 33 个宝石、访问 139 个房间,两项均超过前 50 名人类玩家中位数
- 其程序能在上下文压缩(context compaction)后保留并复用已学规则——这是长程智能体记忆与技能沉淀的实证突破
由 @guanningzeng 和 @HavenFeng 完成的工作。
所属事件:Schema 配 GPT-6 Astra 刷新 MazeBench 纪录至 33%(2 条相关)→
「编程与Agent」频道最新
- FactoryAI 推出 OpenCompute:在自有 VPC 内自托管 agent 沙箱编排器 — annbordetsky · 2026-10-15
- shadcn 点赞 Claude Code「Pin as chapter」:对话长文可钉成章节 — shadcn · 2026-10-15
- 团队发布 Gemini 4 Argon 四份开发指南:含 1M 长输出与 3D 游戏 — patloeber · 2026-10-15
- 开发者推出 IntelliJ 版 Anthropic 风格配色主题 — therealdanvega · 2026-10-15
- uv 拆成 14 个 crate，增量编译提速 30-43% — charliermarsh · 2026-10-15
- Vercel 实测：简单文件系统打败多智能体，附 19 个 Agent 开源工具 — MaryamMiradi · 2026-10-15