花 6000 美元跑 90 小时,Fable 5.2 以 21% 刷新 MazeBench 纪录
patience_cave · x · 2026-11-17
作者宣布 MazeBench 迎来新高分:在 90 小时、花费 6000 美元额度后,Fable 5.2 在这个 3D 迷宫环境中以 21% 的成绩超过了 GPT-6 Astra。转发评论同时调侃:MazeBench 的好日子不多了,按这个速度大概 2027 年 3 月就会被刷爆饱和。
所属事件:Fable 5.2 登顶 MazeBench 后陷评测污染疑云(9 条相关)→
「模型」频道最新
- Realtime-Bench:人类玩游戏胜率 72%,最强模型仅 32% — ManlingLi_ · 2026-11-20
- Goodfire 公开 Qwen3.6 全部 1000 万神经元的可搜索图谱,并开放数据 — fatihdin4en · 2026-11-20
- 用户抱怨:OpenAI Dots 仍未在欧洲上线 — mark_k · 2026-11-20
- 四个月内开源权重模型在 Databricks 托管 token 占比从 7.3% 升至 30.9% — AIFlow_ML · 2026-11-20
- Gemini 4 Neon 一句话生成涩谷霓虹跑酷游戏,谷歌小蓝人当主角 — rseroter · 2026-11-20
- 教授精心设计「AI 防不住」考题,模型照样考到 82 分 — alex_verem · 2026-11-20