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 EVAOO News 中仅供参考

证据预算不参与排序

上游数据时间11/05 08:00

最近成功同步11/12 08:05

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

按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。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	87.2%	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。
2	claude-fable-5-1Anthropic	86.9%	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	86.9%	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	86.7%	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	gpt-6.1-terraOpenAI	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。
6	claude-sonnet-5-5Anthropic	84.0%	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。
7	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。
8	hy4Tencent	81.8%	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。
9	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。
10	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。
11	gemini-3.8-flashGoogle	80.1%	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。
12	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。
13	grok-4.7-highxAI	77.9%	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。
14	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。
15	qwen3.8-maxAlibaba	77.5%	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。
16	claude-haiku-5-5Anthropic	77.2%	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。
17	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。
18	kimi-k3.1-proMoonshot AI	76.8%	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	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。
20	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。
21	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。
22	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。
23	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。
24	gpt-5.6-terraOpenAI	75.6%	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。
25	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。
26	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。
27	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。
28	kimi-k3Moonshot AI	72.5%	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。
29	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。
30	grok-4.5xAI	72.0%	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。

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，各项原始分数使用不同尺度，不能直接相加；参考位次采用公开的分差标准化规则。