用 2D 平台游戏测 LLM 决策力：7.9B 模型唯一通关 14 关
Felladrin · reddit · 2026-10-17
Reddit 用户 Felladrin 把此前分享的「LLM 玩 2D 平台游戏」项目做成了开源 benchmark：模型读取游戏的文本描述，在每一步回答两道选择题（选目标、按键），任何能输出选项概率的模型都能参与，结果可复现并汇总到排行榜。
当前榜单亮点：
- 排名第一的 PurpleMIST-Flash-1.0（7.9B） pass@1 达 100%，是唯一在全部 5 个 seed 下通关全部 14 关的模型
- 第二名 Darwin-27B-ZTC（25.6B）pass@1 仅 40%，通关 13.4 关——大模型并未占优
- 其余多数模型 pass@1 为 0%，通关数从 13 关到 1 关不等
27B 级别模型跑完全程（5 seeds、每关 100 次死亡上限）约需 16 小时。代码与排行榜已在 GitHub 开源，任何人可跑自己的模型并贡献结果。
「模型」频道最新
- 马斯克：xAI 正打造商用 Hagglebot，称或为企业年省 6 万亿美元 — elonmusk · 2026-10-17
- 本周最被低估的 AI 大事:微软 MAI Base 2 与 Meta Muse Spark Open — The AI Daily Brief · 2026-10-17
- 用户抱怨本周 token 消耗异常：一天从 100% 掉到 0% — MasterAyolos · 2026-10-17
- 爆料称K3.1尚未发布，且相关工作早于蒸馏攻击 — ChrisGPT · 2026-10-17
- llama.cpp 新增 IBM Granite 模型切换功能，本地即可运行 — jacek2023 · 2026-10-17
- National Design Studio 发布 Rampart Edge 端侧隐私过滤小模型 — kevinnbass · 2026-10-17