据 Ethan Mollick 在 X 平台披露，当前顶尖模型在 D&D 谜题创作上仍未攻克该基准：Gemini 3.1 Deep Think 产出更像剧情设定而非严谨谜题，GPT 5.2 Pro 与 Opus 4.6 则倾向过度复杂化并引入不可行机制（来源：Ethan Mollick）。Mollick 指出，满足“可解、选择有后果、不陈腐”的谜题需要长程规划、约束一致性与可玩性验证的组合流程，现有模型难以稳定完成，暴露出在规划与验证环上的能力缺口（来源：Ethan Mollick）。对此，面向企业的机会在于：引入规则校验器与求解器辅助的工具链、领域评测数据集与人机共创编辑器，以保障可解性与乐趣并规模化内容生产（来源：Ethan Mollick）。