banteg 上线 Sokoban 推箱子评测
banteg · x · 2026-11-10
开发者 banteg 宣布 Sokoban(推箱子)评测已上线。Sokoban 是考验多步规划与状态追踪能力的经典谜题,常被用作探测 LLM 推理与规划短板的小型 eval。帖内仅附链接,未给出具体模型成绩。
所属事件:banteg 上线 Sokoban 推箱子实时评测(2 条相关)→
「模型」频道最新
- Claude Code Opus 5.5 追踪站：30 天通过率 81%，降级检测重启中 — gleech · 2026-11-10
- 爆料更新:Grok 4.8 从「暂无时间表」变为「本周软发布」 — testingcatalog · 2026-11-10
- Meta Muse Ember 实测：与 Haiku 同价，基准账单仅三分之一 — shoumikgoswami · 2026-11-10
- 同一个冰山提示词:High 档 $24,Ultra 档 $642,贵 26 倍值得吗 — socialwithaayan · 2026-11-10
- Fable 5.2 驱动机械臂下跳棋:自查 7mm 下垂,62 步对局 14 次抓取失误 — socialwithaayan · 2026-11-10
- SemiAnalysis：GDPx 榜显示 Fable 5.2 的 RSI 能力被刻意压平至 Sonnet 5.5 水平 — morgymcg · 2026-11-10