TapTap Maker / 编程

TapTap Maker Benchmark

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 AIHOT 中参与排名

证据预算3.6%

上游数据时间09/07 08:00

最近成功同步09/10 06:31

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	claude-fable-5-1Anthropic	90.5%	High 推理
2	claude-fable-5Anthropic	89.0%	High 推理
3	gpt-6-astraOpenAI	88.9%	xHigh 推理
4	claude-opus-5Anthropic	88.9%	xHigh 推理
6	grok-4.6@xhighxAI	87.3%	xHigh 推理
7	gemini-3.8-flashGoogle	86.8%	High 推理
8	gpt-5.6-solOpenAI	86.5%	xHigh 推理
11	glm-5.3Z.ai	83.6%	Max 推理
12	qwen3.8-max-0902Alibaba	83.3%	xHigh 推理
13	claude-opus-4-8Anthropic	82.8%	xHigh 推理
14	qwen3.8-maxAlibaba	82.5%	xHigh 推理
15	qwen3.8-flashAlibaba	82.5%	xHigh 推理
16	gpt-5.6-terraOpenAI	81.8%	xHigh 推理
17	glm-5.3-flashZ.ai	81.5%	Max 推理
18	hy4-previewTencent	81.0%	High 推理
19	kimi-k3Moonshot AI	79.7%	来源默认配置
20	grok-4.5xAI	78.3%	High 推理
21	gpt-5.6-lunaOpenAI	77.8%	xHigh 推理
22	deepseek-v4-proDeepSeek	77.8%	来源默认配置
23	claude-sonnet-5Anthropic	76.2%	xHigh 推理
25	deepseek-v4-flashDeepSeek	74.6%	Max 推理
26	doubao-seed-evolvingByteDance	72.8%	High 推理
27	qwen3.8-27bAlibaba	68.3%	xHigh 推理
28	gemini-3.1-pro-previewGoogle	64.7%	来源默认配置
29	MiniMax-M3MiniMax	60.1%	来源默认配置
30	claude-haiku-4-5Anthropic	43.6%	High 推理

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 AIHOT 共识分使用不同尺度，不能直接相加。