Top Tweets for #MazeBench

29 days ago

💥这是我截止目前看到的最侮辱Fable5.1的测试！Astra是真强！ Fable 5.1 被 MazeBench 当众处刑。同一张 3D 迷宫热力图： 🔸左边 Fable 5.1 像卡在出生点。 🔹右边 GPT-6 Astra 把整张地图点亮。主打长程 agent 的旗舰，在空间推理里几乎没出门。 #MazeBench #Fable51 #GPT6Astra #Claude #OpenAI #空间推理 #AI评测

NFT_Chen's tweet photo. 💥这是我截止目前看到的最侮辱Fable5.1的测试！Astra是真强！

Fable 5.1 被 MazeBench 当众处刑。

同一张 3D 迷宫热力图：

🔸左边 Fable 5.1 像卡在出生点。
🔹右边 GPT-6 Astra 把整张地图点亮。

主打长程 agent 的旗舰，在空间推理里几乎没出门。

#MazeBench #Fable51 #GPT6Astra #Claude #OpenAI #空间推理 #AI评测

SuSu_酥酥👅

@NFT_Chen

29 days ago

🚨最新测试炸裂：GPT-6 Astra在超难3D开放世界空间推理评测MazeBench中狂虐全场！ GPT-6 Astra花60+小时探索后拿下14%！直接碾压Claude Fable 5.1的2%、Claude Opus 5、Fable 5、GPT-5.6 Sol的1%！热力图对比更狠： Astra探索范围全面铺开，Fable几乎原地打转。 Astra无代码执行都超越带Python的上代GPT-5.6 Sol（14% vs 13%），还能一次规划10-20步、token效率暴涨。 3D空间智能新王者已诞生，但仍有巨大进步空间。 #GPT6Astra #MazeBench #AI评测 #OpenAI #空间推理

NFT_Chen's tweet photo. 🚨最新测试炸裂：GPT-6 Astra在超难3D开放世界空间推理评测MazeBench中狂虐全场！

GPT-6 Astra花60+小时探索后拿下14%！

直接碾压Claude Fable 5.1的2%、Claude Opus 5、Fable 5、GPT-5.6 Sol的1%！

热力图对比更狠：

Astra探索范围全面铺开，Fable几乎原地打转。

Astra无代码执行都超越带Python的上代GPT-5.6 Sol（14% vs 13%），还能一次规划10-20步、token效率暴涨。

3D空间智能新王者已诞生，但仍有巨大进步空间。

#GPT6Astra #MazeBench #AI评测 #OpenAI #空间推理

12K

CPHYisAGI @CyberSpacedOutt

about 1 month ago

@inventorofai another benchmark where base:0x08df470d41c11ba5cb60242747d76c65ca52c94c lands 1st place. https://t.co/52MoqWyZdo #mazebench #arc-agi 3 #longmemeval, who's next?

Top Tweets for #MazeBench

Last Seen Hashtags on Sotwe

Trends for you

Most Popular Users