AI密室逃脱：16款顶级AI上演真实逃生，谁是最后赢家？

感兴趣的开发者欢迎查看项目链接了解更多技术细节：GitHub:github.com/AGI-Eval-Official/Repo-of-AgentEscapeBench几个有趣的结论1.性能分化随难度急剧放大在简单题目（Diff 2.Claude-Opus-4.6展现最优雅的性能衰减从Diff-5到Diff-25仅下降30个百分点，是所有模型中衰减最小的。这意味着它在长链推理中保持一致性的能力远超其他模型。 3.GPT-5.4在简单任务上最强，但扩展性不足Diff-5拿下96.7%的最高分，但到Diff-25已经降到43.3%（下降53.4点）。"短跑冠军，马拉松不行"。