Nonobench

43 个大模型做同一道逻辑题：开源全军覆没，闭源冠军也就 80 分

一个叫 Nonobench 的小测试让 43 个大模型同台做数织谜题（类似填色的逻辑推理题）。结果是所有开源模型在难题上交了白卷，最强的闭源模型也只拿到 80%。AI 看着能聊，真要一步步推理还是差口气。