MazeBench 数据：开源模型仍远落后 GPT-6 Astra，宝石收集差 8 倍
patience_cave · x · 2026-10-25
MazeBench 系列测试的总结图表：开源权重模型进步明显，但与 GPT-6 Astra 差距依然巨大。在收集宝石任务上，GPT-6 Astra 以 16% 完成率领跑且移动效率最高；Kimi K3.1 Pro 仅 2%，DeepSeek v4.1 Flash 仅 1%，且需要数倍移动步数。开源模型在智能与效率上仍有很长的路要走。
「模型」频道最新
- 曝 OpenAI 10 月重启前沿训练:改用离线网络副本,agent 还挖出 Brotli RCE 漏洞 — mark_k · 2026-10-25
- Claude 周限额被榨到 96%,用户喊话放码求额度 — adonis_singh · 2026-10-25
- 截图显示 ChatGPT 语音模式在用开源的 Silero VAD v6 — ObnoxiouslyVivid · 2026-10-25
- Kimi K3.1 实测手感引热议：被指「闻起来像 Claude」 — MatthewBerman · 2026-10-25
- OrcaRouter 自行「去审查」DeepSeek V4.1,推出面向安全研究的 Cyber 模型 — brhydon · 2026-10-25
- 安全研究者：AI 正成为「安全债收债人」，漏洞窗口极短 — wunderwuzzi23 · 2026-10-25