39 个 LLM 裸考解魔方：仅 2 个能稳定解开 20 步打乱
JeremyCMorgan · x · 2026-11-06
Brian Briscoe 发布 RubiksBench：把打乱的魔方以文本形式直接给 39 个 LLM，不给任何工具、只允许一次回复、温度设 0，通过模拟器执行返回的走法来判分。
- 结果：只有 2 个模型能可靠解开 20 步打乱的魔方，大多数模型连 6 步的都解不开
- 一个模型反复输出 "R row?" 15,912 次直到耗尽 token，成为名场面
- 测试设计：走法用标准 18 种转动的 DSL 表示，魔方状态用 2D 展开图表示；分 3/6/10/20 步四轮，须至少解开一个才能晋级，防止在注定失败的调用上烧 token
- 作者指出如果通过 claude.ai 或 chatgpt.com 提问，模型几乎都能答对——因为它们会写脚本调用 kociemba 等求解库，所以本测试刻意走 OpenRouter API 并禁用工具，纯考模型内部能力
测试说明 LLM 对魔方这类需要精确状态跟踪的任务的内在能力远弱于「会调用工具」时的表现。
「模型」频道最新
- Gemini 车机实测翻车:不让开车窗、把冷暖调成「友谊的温暖」 — giffmana · 2026-11-06
- 网友实测:原版 gpt-oss 对「隐藏分类器」一无所知,疑似存在未公开微调 — repligate · 2026-11-06
- 传 Anthropic 下一代模型上月完成训练,METR 私测称最大跳变 — daniel_mac8 · 2026-11-06
- 模型知识截止日并非硬日期,准确率往往提前下滑 — RexDouglass · 2026-11-06
- Gemini 画「单结沙漏」翻车：要求一个环还是绕出三个 — Accreddita · 2026-11-06
- Ampersand 主打人机协作训练，意外成为顶级多智能体编码模型 — niloofar_mire · 2026-11-06