MazeBench 榜单：Kimi K3.1 Pro 成首个非零分开源模型
patience_cave · x · 2026-10-25
据 MazeBench 排行榜，Kimi K3.1 Pro 得分 2%，成为首个在该榜单上取得非平凡分数的开源权重模型；DeepSeek v4.1 Flash 以 1% 紧随其后。配图显示闭源模型仍大幅领先：gpt-6-astra（Codex max）以 16% 居首，gemini-4-argon（Antigravity high）12%，gpt-6.1-sol 与 claude-opus-5-5 各 9%，其余 Claude 系列模型多在 1%-2%。整体得分普遍极低，说明该基准对当前模型仍非常困难。
所属事件:Kimi K3.1 Pro 成 MazeBench 首个非零分开源模型(3 条相关)→
「模型」频道最新
- Claude Code 每步发 16581 token,成绩却与 100 行 mini harness 相当 — bendee983 · 2026-10-25
- 开发者吐槽 Claude「道德优越感」令人厌烦 — arthurcolle · 2026-10-25
- Datalab 实测 17 个开源 OCR 模型：自家 Chandra OCR 2 以 90.1 分登顶 — VikParuchuri · 2026-10-25
- vLLM 追平 DeepSeek 自研引擎 DeepInfer 的 V4.1-Flash 推理性能 — vllm_project · 2026-10-25
- 实测 $20 订阅编码额度:5 小时窗口 Sonnet 约跑 33 个任务,Opus 仅 6 个 — Sufficient-Storage87 · 2026-10-25
- Yacine 放话:DeepSeek 后开源大势已定,不如全面放开 — IgorCarron · 2026-10-25