MazeBench截图显示多款模型低分
热点事件持续更新
MazeBench截图显示多款模型低分
2 篇报道1 个报道来源40 分钟前更新
先了解这件事
AI 综述
patience_cave 分享的 MazeBench 评测截图显示，GPT-6.1 Terra、Claude Sonnet 5.5 和 Gemini 4 Hydrogen 分别得分8%、4%和1%，截图中的最高分模型 gpt-6-astra 也仅为16%。 这些结果表面上显示多款模型在迷宫解谜任务中表现低迷，但榜单真实性尚未经验证，因此目前只能视为未经核实的截图信息，不能据此确认模型的真实能力表现。
AI 根据报道生成 · 刚刚更新
最新进展11月13日 04:15
MazeBench 迷宫评测：顶级模型集体翻车，最高仅 8%报道时间线
沿着报道，了解事件的不同侧面。
11月13日
- AGI HuntMazeBench 迷宫评测：顶级模型集体翻车，最高仅 8%
MazeBench 迷宫解谜评测中，顶级模型集体失利，GPT-6.1 Terra 以 8% 的得分居首，Claude Sonnet 5.5 和 Gemini 4 Hydrogen 分别仅得 4% 和 1%。结果显示，前沿模型在空间推理与迷宫解谜任务上仍存在明显短板。
- AGI HuntMazeBench 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。