MazeBench 榜单：顶级模型集体翻车，最高分仅 8%

MazeBench 评测截图显示，顶级模型整体表现低迷：GPT-6.1 Terra 得分 8%、Claude Sonnet 5.5 得分 4%、Gemini 4 Hydrogen 得分 1%，截图中最高的 gpt-6-astra 也仅为 16%。榜单真实性尚未经验证，相关分数反差更适合作为趣闻观察。