跳到正文

TapTap Maker Benchmark

TapTap Maker / 程式設計 · 在真實遊戲引擎裡用 Lua 寫出能跑起來的功能。分數由引擎執行判定,不用另一個模型打分。

官方評測
在 888news 中僅供參考
依據預算不參與排序
上游數據時間11/05 08:00
最近成功同步11/23 00:05

它測什麼,怎麼測

只取官方 main_board 的 L2 通過率;成本、速度、Held-out 和分類分不再次投票。同一基礎模型按固定推理檔位優先順序選代表行,選擇不看分數。

如何使用這份依據

僅供參考:現有結果混合不同 agent driver,不能作為相同執行流程下的底層型號比較。

評測成績

按固定規則,每個公開模型採用一套代表配置;沒有可採用配置的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。

原榜名次原榜型號原始成績代表配置
1gpt-6-astraOpenAI87.2%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
2claude-fable-5-1Anthropic86.9%High 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
3claude-opus-5-5Anthropic86.9%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
4gpt-6.1-solOpenAI86.7%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
5gpt-6.1-terraOpenAI85.5%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
6claude-sonnet-5-5anthropic84.0%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
7gemini-4-argonGoogle83.2%High 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
8hy4Tencent81.8%High 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
9muse-spark-1.3-contributorMeta81.3%xHigh 推理未計入:來源的 contributor 別名未對應到已核實的公開模型。
10deepseek-v4.1-flash-1017DeepSeek80.3%Max 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
11gemini-3.8-flashGoogle80.1%High 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
12gpt-5.6-solOpenAI79.8%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
13grok-4.7-highxAI77.9%High 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
14grok-4.7-xhighxAI77.8%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
15qwen3.8-maxAlibaba77.5%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
16claude-haiku-5-5Anthropic77.2%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
17gpt-6-solOpenAI76.8%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
18kimi-k3.1-proMoonshot AI76.8%Max 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
19gpt-6-lunaOpenAI76.6%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
20qwen3.8-max-0902Alibaba76.2%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
21glm-5.3Z.ai76.2%Max 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
22deepseek-v4.1-flashDeepSeek76.1%Max 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
23qwen3.8-flashAlibaba76.0%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
24gpt-5.6-terraOpenAI75.6%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
25mimo-v2.6-proXiaomi75.4%來源預設配置未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
26glm-5.3-flashZ.ai75.0%Max 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
27hy4-previewTencent72.5%High 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
28kimi-k3Moonshot AI72.5%來源預設配置未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
29gpt-5.6-lunaOpenAI72.2%xHigh 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
30grok-4.5xAI72.0%High 推理未計入:不同模型使用不同 Agent 驅動,不能作為統一條件下的單模型成績。
評測局限與數據署名

單引擎、單語言,不能推廣到其他技術棧;不同模型可能使用不同 agent 驅動;閉源 harness 不能逐題復算。 當前採用的執行驅動不同,不計入單型號排序。

數據許可:官方公開結果;公開再展示保留官方署名,完整再分發授權仍以易玩/TapTap 條款為準

成績由 TapTap Maker 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。