一句话看懂：研究团队让 16 个大模型在编程解谜游戏 TIS-100 中独立编写汇编程序，结果 Opus 5.5 与 GPT-6 Astra 各在 11 个关卡刷新社区前沿点，并产生 3 项周期纪录。
事件核心：发生了什么
据 Hacker News 收录的项目页面，该实验于 2026 年 11 月 11 日前后公开。研究方给 16 个前沿和开源权重模型提供了游戏手册、可见测试输入、寄存器状态与反馈，但未提供社区代码和精确纪录。每个模型对 55 道谜题各做一次计分尝试（pass@1），每题限时 10 至 45 分钟不等。最终 18 道谜题出现新的前沿点，共 133 个，并有 3 项突破社区周期纪录。Opus 5.5 和 GPT-6 Astra 均解出 55/55，并在 11 道题上找到新前沿点；前者累计 72 个点，后者 32 个点，但 GPT-6 Astra 的纪录接近度更高（78.0 对 77.2）。
为什么重要
TIS-100 要求玩家在小节点、双寄存器和 15 行代码的限制内处理同步与数据交换，难度并非来自写代码本身，而在于在周期、节点数和指令数之间反复取舍。它能测试模型能否读懂受限指令集、根据报错诊断死锁、保留中间结果并持续优化，而不只是生成一次即可运行的程序，因此比单次代码生成任务更接近真实工程迭代。此外，模型得分仅在上述时间、题量和 pass@1 条件下成立，并非长期榜单。
对用户/开发者/创作者的影响
对开发者而言，这类实验表明，在工具循环中加入运行反馈、错误诊断和进度存档，可以让大模型处理需要多轮修改的低层程序任务；对 AI 应用团队而言，评判模型时值得分开看“能解出”和“能优化”：例如 Gemini 3.8 Flash 解出 53 题但只找到 1 个新前沿点，Fable 5.1 解出 52 题却找到 5 个。对游戏和创作社区而言，模型生成的程序很快被玩家接手改进，说明其更适合作为起点，而非最终答案。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
可观察三点：研究者是否公开完整评测方法与交互轨迹；领先模型在更多约束优化类任务上能否维持优势；社区玩家对模型程序的改进是否反过来改变基准的有效性。目前公开信息显示，该实验尚未涉及商业产品或通用编程能力的结论。
