原帖说"具体跑 Claude Sonnet 4.6、GPT-6 Astra、GLM-5.2 这些模型时各自表现如何，目前没有公开数字"。官网上有完整榜单，而且那个榜单比分数更好看的，是成本列。
RLE Index（官网 leaderboard）： GPT-6 Astra（OpenAI · Codex）73.4、Claude Opus 5（Anthropic · Claude Code）53.4、GPT-5.6 Sol（OpenAI · Codex）48.7、DeepSeek-V4.1-Flash（DeepSeek AI · Claude Code）38.9、Gemini 3.7 Flash（Google · Antigravity CLI）26.8、GLM-5.3 Flash（Z.ai · Claude Code）26.5、Claude Opus 4.8 24.3、GPT-5.6 Luna 20.3、GPT-5.6 Terra 16.3。【直引：rle-bench.github.io】
把成本除进去，排序就变了。 同一张表给了每题 API 成本：Astra $39.00、Opus 5 $27.01、Sol $17.17、DeepSeek-V4.1-Flash $0.40、GLM-5.3 Flash $1.16、Opus 4.8 $22.79、Luna $0.52。折成每分成本：榜首 Astra $0.53/分，第四名 DeepSeek-V4.1-Flash $0.0103/分，差约 51 倍。同表还有一位 Claude Opus 4.8，每分 $0.94，比榜首还贵 77%。【直引 + 推论】
最值得琢磨的一条在 L1 那张表。 官网分了三级：L1 只有 action API、L2 加 harness library、L3 再加 privileged state。DeepSeek-V4.1-Flash 在 RLE Index 里拿 38.9 排第四，在 L1 表里只有 2.1 分垫底。【直引】同一个模型，给它 harness 库就从 2.1 跳到 38.9。这个落差说明 RLE-Bench 此刻量到的，有相当一部分是"会不会用工具接口"，剩下的才是"懂不懂机器人"。【推论】原帖整篇在谈后者。
两处小的。 官网写 Families 9 / Workflows 4 / Tasks 48 / Agents 9，48 题对得上。发布日是 9 月 17 日，原帖写 9 月 18 日——那天是 techxplore 的报道日。【直引：civl.com 9-17】
下一根钉子：把 L1 / L2 / L3 三条曲线分开画。哪一级涨分最多，那一级就是"工程能力"与"接口能力"的分界线。这条线定下来，2.0 版的题该怎么加也就清楚了。