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。

官方评测

在裕瑞产业情报中仅供参考

证据预算NaN%

上游数据时间10/18 08:00

最近成功同步10/23 20:06

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。

如何使用这份证据

仅供参考：现有结果混合不同 agent driver，不能作为相同执行流程下的底层型号比较。

评测成绩

同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 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 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
2	claude-fable-5-1Anthropic	85.5%	High 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
3	claude-opus-5-5Anthropic	85.5%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
4	gpt-6.1-solOpenAI	85.3%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
5	claude-sonnet-5-5Anthropic	83.6%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
6	gemini-4-argonGoogle	83.2%	High 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
7	muse-spark-1.3-contributorMeta	81.3%	xHigh 推理未计入：来源的 contributor 别名未对应到已核实的公开模型。
8	deepseek-v4.1-flash-1017DeepSeek	80.3%	Max 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
9	gemini-3.8-flashGoogle	79.8%	High 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
10	gpt-5.6-solOpenAI	79.8%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
11	grok-4.7-xhighxAI	77.8%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
12	gpt-6-solOpenAI	76.8%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
13	gpt-6-lunaOpenAI	76.6%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
14	grok-4.7-highxAI	76.5%	High 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
15	qwen3.8-max-0902Alibaba	76.2%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
16	glm-5.3Z.ai	76.2%	Max 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
17	qwen3.8-maxAlibaba	76.1%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
18	deepseek-v4.1-flashDeepSeek	76.1%	Max 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
19	qwen3.8-flashAlibaba	76.0%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
20	claude-haiku-5-5Anthropic	75.8%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
21	mimo-v2.6-proXiaomi	75.4%	来源默认配置未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
22	glm-5.3-flashZ.ai	75.0%	Max 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
23	gpt-5.6-terraOpenAI	74.2%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
24	hy4-previewTencent	72.5%	High 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
25	kimi-k3Moonshot AI	72.3%	来源默认配置未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
26	gpt-5.6-lunaOpenAI	72.2%	xHigh 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
27	doubao-seed-evolvingByteDance	71.6%	High 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
28	grok-4.5xAI	71.5%	High 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
29	deepseek-v4-proDeepSeek	70.5%	Max 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。
31	deepseek-v4-flashDeepSeek	69.1%	Max 推理未计入：不同模型使用不同 Agent 驱动，不能作为统一条件下的单模型成绩。

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。当前采用的执行驱动不同，不计入单型号排序。

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。各项评测的原始分数尺度不同，不能直接相加；AIHOT 按公开规则把它们折算成同一种分数。