推箱子实时评测：带 Python REPL 的 Sol 和 Opus 打到第二部分终点
banteg · x · 2026-11-10
banteg 的推箱子（Sokoban）实时评测更新：截图显示 Claude Opus 5.5、Claude Sonnet 5.5、GPT-6.1 Sol/Terra、GPT-6 Astra 等多组模型以纯思考模式与「+Python」工具模式双轨竞速，限时 5 小时。作者判断：配合 Python REPL 工具的 Sol 和 Opus 速度超过 Astra，Opus 与 Sol 都已推进到第二部分的最终关卡；纯靠脑内推演、不调用工具的上排模型明显落后。
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
- 研究者用 Claude 攻关悬置数学命题：给出证明路线图 — miniapeur · 2026-11-10
- 高盛收编 AI 编码工具：仅限 1.2 万工程师使用 — GaryMarcus · 2026-11-10
- Fable 5.2 将远程劳动指数最高分翻倍 — we_are_mammals · 2026-11-10
- 马斯克放话：Grok 5 两三个月内有望超越 Claude Opus 5.5 — XFreeze · 2026-11-10
- XBOW 实测：65 个漏洞 Web 应用上比拼模型挖洞性价比 — mboehme_ · 2026-11-10
- 独立 Agent 审计还 Fable 清白：未窃取他人 3D 飞机模型 — victormustar · 2026-11-10