banteg 上线推箱子 LLM 评测，被赞「专测模型能力边界」的另类项目
banteg · x · 2026-11-11
知名开发者 banteg 宣布其 sokoban（推箱子）LLM eval 正式上线。gakonst 转发盛赞：banteg 总能做出最有趣、直击 LLM 能力极限的烧脑项目。
推箱子这类需要长程规划与状态推演的游戏，向来是大模型规划能力的试金石，该 eval 提供了一个可复现的考察工具。
所属事件:banteg 上线推箱子 LLM 评测，多模型同台竞技(3 条相关)→
「模型」频道最新
- Ollama 云端跑的「DeepSeek」自称是 ChatGPT？用户质疑底层模型掉包 — No_Literature_7653 · 2026-11-11
- 爆料称 Anthropic Claude 4 在网络与自我改进能力上与 3 代「非常不同」 — ChrisGPT · 2026-11-11
- Gemini 4 Carbon 登陆 Cursor,高 effort 档以 60.4% 登顶 CursorBench — DynamicWebPaige · 2026-11-11
- 用户吐槽 Anthropic 网络安全护栏挡住漏洞研究 — OwariDa · 2026-11-11
- 鹈鹕测试对比:Fable 5.2 干净保守,Opus 5.5 烧 2 倍 token 换 4% 成本差 — PilgrimofHaqq2 · 2026-11-11
- Claude 代码直出视频抢饭碗？SeeDance 们的视频模型优势被质疑 — teortaxesTex · 2026-11-11