TapTap Maker Benchmark

Name: TapTap Maker Benchmark
Creator: TapTap Maker

TapTap Maker / 编程 · 在真实游戏引擎里用 Lua 写出能跑起来的功能。分数由引擎执行判定，不用另一个模型打分。

在 YC AI 日报中参与排名

证据预算3.6%

上游数据时间10/18 08:00

最近成功同步10/19 08:06

它测什么，怎么测

只取官方 main_board 的 L2 通过率；成本、速度、Held-out 和分类分不再次投票。同一基础模型按固定推理档位优先级选代表行，选择不看分数。

编程与设计预算中的 3.6%；固定引擎和 L2 指标。

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
1	gpt-6-astraOpenAI	85.8%	xHigh 推理
2	claude-fable-5-1Anthropic	85.5%	High 推理
3	claude-opus-5-5Anthropic	85.5%	xHigh 推理
4	gpt-6.1-sol—	85.3%	xHigh 推理
5	claude-sonnet-5-5—	83.6%	xHigh 推理
6	gemini-4-argonGoogle	83.2%	High 推理
8	deepseek-v4.1-flash-1017deepseek	80.3%	Max 推理
9	gemini-3.8-flashGoogle	79.8%	High 推理
10	gpt-5.6-solOpenAI	79.8%	xHigh 推理
11	grok-4.7-xhighxai	77.8%	xHigh 推理
12	gpt-6-solOpenAI	76.8%	xHigh 推理
13	gpt-6-lunaOpenAI	76.6%	xHigh 推理
14	grok-4.7-highxai	76.5%	High 推理
15	qwen3.8-max-0902Alibaba	76.2%	xHigh 推理
16	glm-5.3Z.ai	76.2%	Max 推理
17	qwen3.8-maxAlibaba	76.1%	xHigh 推理
18	deepseek-v4.1-flashDeepSeek	76.1%	Max 推理
19	qwen3.8-flashAlibaba	76.0%	xHigh 推理
20	claude-haiku-5-5—	75.8%	xHigh 推理
21	mimo-v2.6-proXiaomi	75.4%	来源默认配置
22	glm-5.3-flashZ.ai	75.0%	Max 推理
23	gpt-5.6-terraOpenAI	74.2%	xHigh 推理
24	hy4-previewTencent	72.5%	High 推理
25	kimi-k3Moonshot AI	72.3%	来源默认配置
26	gpt-5.6-lunaOpenAI	72.2%	xHigh 推理
27	doubao-seed-evolvingByteDance	71.6%	High 推理
28	grok-4.5xAI	71.5%	High 推理
29	deepseek-v4-proDeepSeek	70.5%	Max 推理
31	deepseek-v4-flashDeepSeek	69.1%	Max 推理
32	gemini-3.1-pro-previewGoogle	59.5%	来源默认配置

评测局限与数据署名

单引擎、单语言，不能推广到其他技术栈；不同模型可能使用不同 agent 驱动；闭源 harness 不能逐题复算。

数据许可：官方公开结果；公开再展示保留官方署名，完整再分发授权仍以易玩／TapTap 条款为准

成绩由 TapTap Maker 发布，原始分数与 YC AI 日报共识分使用不同尺度，不能直接相加。