DiG-bench：70个游戏测试AI发现能力，Opus 5与Fable 5为最佳模型

DiG-bench是一个包含70个游戏的发现类benchmark，旨在测试AI在陌生环境中自主发现规则的能力，其中21个游戏已公开。测试结果显示，仅Opus 5和Fable 5能在最高难度Tier 7完成部分任务，GPT-5.5与Kimi K3可在Tier 6表现，而人类测试者能100%通过所有层级。