一位 Reddit 用户分享了名为 connections-bench 的基准测试结果，该测试旨在评估 AI 模型解决纽约时报“连接”谜题的能力。名为 'Fable' 的模型表现异常出色，Anthropic 的 Sonnet 5 和另一个模型 glm-5.2 也取得了强劲的成绩。OpenAI 的 GPT-5.5 几乎与 Fable 不相上下，而 Haiku 则表现不佳，gpt-4.1-mini 的表现则很差。 AI
影响 提供了对各种 LLM 解谜能力的洞察，突出了相对的优势和劣势。
排序理由 用户在 Reddit 上分享的生成基准测试结果，并非官方发布或研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
