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。
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 |
|---|---|---|---|
| 1 | gpt-6-astraOpenAI | 87.2% | 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。 |
| 2 | claude-fable-5-1Anthropic | 86.9% | 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。 |
| 3 | claude-opus-5-5Anthropic | 86.9% | 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。 |
| 4 | gpt-6.1-solOpenAI | 86.7% | 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。 |
| 5 | gpt-6.1-terraOpenAI | 85.5% | 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。 |
| 6 | claude-sonnet-5-5anthropic | 84.0% | 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。 |
| 7 | gemini-4-argonGoogle | 83.2% | 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。 |
| 8 | hy4Tencent | 81.8% | 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。 |
| 9 | muse-spark-1.3-contributorMeta | 81.3% | xHigh 推理未計入:來源的 contributor 別名未對應到已核實的公開模型。 |
| 10 | deepseek-v4.1-flash-1017DeepSeek | 80.3% | 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。 |
| 11 | gemini-3.8-flashGoogle | 80.1% | 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。 |
| 12 | gpt-5.6-solOpenAI | 79.8% | 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。 |
| 13 | grok-4.7-highxAI | 77.9% | 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。 |
| 14 | grok-4.7-xhighxAI | 77.8% | 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。 |
| 15 | qwen3.8-maxAlibaba | 77.5% | 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。 |
| 16 | claude-haiku-5-5Anthropic | 77.2% | 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。 |
| 17 | gpt-6-solOpenAI | 76.8% | 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。 |
| 18 | kimi-k3.1-proMoonshot AI | 76.8% | 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。 |
| 19 | gpt-6-lunaOpenAI | 76.6% | 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。 |
| 20 | qwen3.8-max-0902Alibaba | 76.2% | 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。 |
| 21 | glm-5.3Z.ai | 76.2% | 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。 |
| 22 | deepseek-v4.1-flashDeepSeek | 76.1% | 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。 |
| 23 | qwen3.8-flashAlibaba | 76.0% | 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。 |
| 24 | gpt-5.6-terraOpenAI | 75.6% | 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。 |
| 25 | mimo-v2.6-proXiaomi | 75.4% | 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。 |
| 26 | glm-5.3-flashZ.ai | 75.0% | 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。 |
| 27 | hy4-previewTencent | 72.5% | 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。 |
| 28 | kimi-k3Moonshot AI | 72.5% | 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。 |
| 29 | gpt-5.6-lunaOpenAI | 72.2% | 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。 |
| 30 | grok-4.5xAI | 72.0% | 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。