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 MyHOT 中仅供参考

证据预算不参与排序

上游数据时间09/10 08:00

最近成功同步10/03 20:05

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	claude-fable-5-1Anthropic	90.5%	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。
2	claude-fable-5Anthropic	89.0%	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。
3	gpt-6-astraOpenAI	88.9%	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	claude-opus-5Anthropic	88.9%	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。
5	muse-spark-1.3-contributorMeta	87.3%	xHigh 推理未计入：来源的 contributor 别名未对应到已核实的公开模型。
6	grok-4.6@xhighxAI	87.3%	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。
7	gemini-3.8-flashGoogle	86.8%	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。
8	gpt-5.6-solOpenAI	86.5%	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。
11	glm-5.3Z.ai	83.6%	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。
12	qwen3.8-max-0902Alibaba	83.3%	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。
13	claude-opus-4-8Anthropic	82.8%	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。
14	qwen3.8-maxAlibaba	82.5%	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。
15	deepseek-v4.1-flashDeepSeek	82.5%	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。
16	qwen3.8-flashAlibaba	82.5%	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。
17	gpt-5.6-terraOpenAI	81.8%	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	glm-5.3-flashZ.ai	81.5%	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。
19	hy4-previewTencent	81.0%	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。
20	kimi-k3Moonshot AI	79.7%	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。
21	grok-4.5xAI	78.3%	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。
22	doubao-seed-evolvingByteDance	78.3%	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。
23	gpt-5.6-lunaOpenAI	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。
24	deepseek-v4-proDeepSeek	77.8%	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。
25	claude-sonnet-5Anthropic	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。
27	deepseek-v4-flashDeepSeek	74.6%	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。
28	qwen3.8-27bAlibaba	68.3%	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。
29	gemini-3.1-pro-previewGoogle	64.7%	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。
30	MiniMax-M3MiniMax	60.1%	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。
31	claude-haiku-4-5Anthropic	43.6%	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。

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。