基准测试：Kimi K3、Opus 5、Grok 4.5 和 Gemini 3.6 在《Baba Is You》上的表现。
我们对2026年7月的最新版本进行了评估，包括Kimi K3、Claude Opus 5、Grok 4.5和Gemini 3.6 Flash on Baba Is Bench——一款基于益智游戏《Baba Is You》的LLM代理基准测试，通过比较通过率、速度和成本，与Claude Fable 5和GPT-5.6进行对比。
点赞
收藏
点踩
分享评论
?
参与讨论
我们对2026年7月的最新版本进行了评估，包括Kimi K3、Claude Opus 5、Grok 4.5和Gemini 3.6 Flash on Baba Is Bench——一款基于益智游戏《Baba Is You》的LLM代理基准测试，通过比较通过率、速度和成本，与Claude Fable 5和GPT-5.6进行对比。