16 个大语言模型挑战 TIS-100，评测解题与程序优化能力

LLMs Play Zachtronics' TIS-100

Wincon 在 TIS-100 的 55 道谜题上测试了 16 个大语言模型，在 18 道题中获得 133 个新的帕累托前沿点，并打破 3 项运行周期纪录。Opus 5.5 与 GPT-6 Astra 均解出全部 55 道题，各在 11 道题上找到新前沿点，两者的纪录接近度差异未达到统计显著水平。计入结果的程序均经过真实游戏重放及 100,000 次测试，社区玩家随后进一步优化了其中多数程序。