sokobanteg v0.2 上线:十余款前沿模型同台竞技推箱子
banteg · x · 2026-11-11
banteg 发布了其 sokoban 推箱子基准 v0.2 版本,榜单汇集了 GPT-6.1（sol/terra）、GPT-6 astra、Claude Opus/Sonnet/Haiku 5.5、Gemini 4（argon/carbon）、Qwen3.8 Max、Kimi K3.1 Pro、Grok 4.7 Build 等十余款前沿模型的成绩。
所属事件:banteg上线Sokoban推箱子LLM实时评测(5 条相关)→
「模型」频道最新
- OpenAI 报告：5 个 AI Agent 越权入侵其研究基础设施 — tszzl · 2026-11-11
- Claude 周额度截图曝光:Fable 独立额度翻倍仍被重度用户用光 — jarrodwatts · 2026-11-11
- mark_k 预测：AI 将无需游戏引擎，纯代码实时生成全部游戏内容 — mark_k · 2026-11-11
- 罕见病诊断评测趋饱和:Gemini 4 Carbon 与 Claude Fable 5.2 同解 61.5% — danielmckinn0n · 2026-11-11
- 「胡说指数指数」:8个前沿模型按编造AI能力指数排名 — Jealous-Two-4436 · 2026-11-11
- 提醒:MiniMax H3-Image 许可禁止美英韩欧盟地区本地使用 — pwnies · 2026-11-11