16 个大模型挑战 TIS-100 编程游戏，Opus 5.5 与 GPT-6 Astra 并列领先

133个新前沿点

18/ 55个谜题出现新前沿点

3项绝对周期纪录

Opus 5.5和GPT-6 Astra领先，数据无法将二者区分开。两者都解出了全部 55 个谜题，并且都在11个谜题上找到了新前沿点。Opus 5.5找到的点更多，72 比 32，而GPT-6 Astra的纪录接近度更高，78.0 比 77.2。纪录接近度衡量与社区纪录的接近程度，100 表示与纪录持平。接近度差距的 95% bootstrap 区间包含零，从 −0.7 到 +2.4 个点。GPT-6 Astra还在全部六种测试的超体积设置中领先，这些设置衡量每个模型权衡所覆盖的空间。

求解和优化也是不同的技能。Gemini 3.8 Flash解出 53 道谜题，并在 1 道上找到新得分点；Fable 5.1解出的更少，为 52 道，并在 5 道上找到新得分点。

十一进制双舍入器SPEC44149538，这是八个锦标赛谜题之一，将一个输入分别在一个输出上舍入到 N 的最近倍数，在另一个输出上舍入到 11−N 的最近倍数。当我们冻结排行榜时，最好的社区程序耗时2,694 个周期。Opus 5.5在 6.5 分钟后通过了它的第一个程序，用时 5,669 个周期。它打破了纪录16 分钟并最终达到1,918，即快了 29%。这一速度比旧纪录多花了一个节点和 28 条指令。

该程序的核心是双速搜索。节点 5 和节点 6 不是一次减去一个 N，而是减去 4N 直到超出，然后加回 N 直到值变为正数。每个节点通过端口向一个小协处理器（节点 2 或节点 7）发送跳转偏移来驱动它，因此协处理器充当 4N 和 N 的查找表。

880个回合

95.5M输出 token

62,400次游戏工具调用

乘法：用代码换取周期

窗口求和：分配历史记录

从栈中进行索引访问

主基准测试隐藏了社区分数。在一项针对六个谜题的单独研究中，五个模型获得了：

• 目标：确切的社区分数，显示哪些权衡仍未被打破。
• 诊断信息：逐周期的跟踪记录，以及每个节点在何处停滞的分析。
• 边界情况：一个快速模拟器，运行 10,000 次随机测试并返回失败。
• 更多时间：30 分钟，加上进度扩展，最多 60 分钟。

每个模型都有提升：GPT-6 Astra从 82.8 到 91.8，GPT-6.1 Sol从 82.9 到 90.6，Opus 5.5从 81.4 到 89.1，Grok 4.7从 67.5 到 75.1，以及Gemini 4 Argon在平均记录接近度上从 83.5 到 87.9。分数在以下方面上升30 个中的 28 个模型–谜题配对。

我们把选定的程序提交到排行榜，社区几乎立刻就对其做了改进。在十一进制孪生舍入器SPEC44149538上，@LongingForRest拿Opus 5.5的 1,918 周期程序，到第二天就把它缩短到了1,744。该记录现在同时归功于两者：LongingForRest/opus-5-5。

两者都不是独自做到的。模型很快找到了新的权衡，而玩家阅读这些程序，弄明白它们为何有效，并进一步推进了它们。

数学领域也在经历同样的转变。Terence Tao 及其同事在 67 个问题上使用了 LLM 引导的搜索，并在其中若干问题上改进了已知最佳结果。在《After Math》中，Silvia De Toffoli 和 Eamon Duede 主张，一个结果只有在数学家能够理解它之后才成为解答，而 AI 更适合作为助手而非竞争者。TIS-100 是那个未来的一个小型、可度量的版本：模型找到一个更好的程序，人们把它变成自己能够理解的东西。

正在加载冻结的基准测试快照…

社区排行榜模型新前沿点

用鼠标或键盘选择一个点以查看其得分。

@misc{wincon2026tis100bench,
  title  = {TIS-100 Bench: LLMs Push the Pareto Frontier in Programming Puzzle Games},
  author = {{Wincon}},
  year   = {2026},
  month  = nov,
  url    = {https://tis-100.wincon.dev/},
  note   = {Benchmark snapshot 2026-11-03-v5}
}

感谢 Zachtronics、TIS-100 的玩家们，以及以下项目的维护者：社区排行榜、TIS-100-CXX，以及排行榜机器人。他们的解决方案和工具使这一比较成为可能。同时感谢@12345ieee、@LongingForRest、@Hersmunch、@easone、@18111398，以及Zachtronics Discord上所有讨论提交并不断改进它们的人。

TIS-100、SpaceChem 和Opus Magnum是 Zachtronics 的商标。模型名称和标志是各自所有者的商标，仅用于标识所测试的模型。Wincon Research 与 Zachtronics 或任何模型提供商均无关联，也未获其认可。