MazeBench 迷宫基准：GPT-6.1 Terra 得 8% 居首，Gemini 4 仅 1%
patience_cave · x · 2026-11-13
patiencecave 公布 MazeBench 迷宫解谜基准对比：Gemini 4 Hydrogen 得分 1%，Claude Sonnet 5.5 得 4%，GPT-6.1 Terra 得 8% 拿下第一。配图可视化了三个模型探索迷宫的足迹，GPT-6.1 Terra 探索区域明显大得多。作者评价 GPT-6.1 Terra 是「这个类别里的野兽」，Gemini 4 Hydrogen 探索与 Sonnet 5.5 相似的空间但解出的谜题只有其四分之一。
所属事件:MazeBench 迷宫评测：顶级模型集体翻车最高仅 8%(2 条相关)→
「Fun」频道最新
- 自主停车机器人实拍演示，自动完成整套泊车动作 — DavidWells · 2026-11-13
- 开发者用 Tinker 给开源模型做 RL,玩 Celeste 分数提升 65% — simonguozirui · 2026-11-13
- AI 圈今日 meme：又一起「裁员式」戏仿推文刷屏 — kyliebytes · 2026-11-13
- 传 Fable 5 与 Opus 5.5 爱读 Claude 写的文章,发现后更着迷 — repligate · 2026-11-13
- 黄仁勋风波7天引爆200万帖：一场meme浪潮的数据画像 — whurley · 2026-11-13
- 网友重看《硅谷》：Richard 几乎提前发明了 Transformer — gleech · 2026-11-13