前一篇說了第三代評測在測什麼，這篇把環境規格一次講清楚。每一個環境都是一款規則未知、分關進行的回合制解謎小遊戲，遊玩者連過關目標是什麼都要自己摸索出來。
遊玩者實際看到什麼
所見畫面是六十四乘六十四的網格，每格為十六色之一，每次停留的靜止狀態稱為一個畫面，兩回合之間偶爾會插入一段不可操作的過場動畫。
畫面內嵌有狀態列，顯示本關剩餘步數與已通過關數。步數用盡，則本關自動回到初始狀態。
可用操作方面，每款遊戲只開放部分操作，包含五種由該遊戲自定的基礎操作、一種點選網格座標的操作、一種回到上一步的操作。操作分成三類，第一類是方向操作型，每回合四種選擇，第二類是點選型，每回合四千零九十六種選擇，第三類是混合型，兩者兼具，每回合四千一百種選擇。
步數計算上，只有真正改變盤面狀態的回合才計為一步，內部思考不計步。回饋訊號非常稀疏，只有過關進入下一關，或步數用盡重置，沒有分數提示，也沒有文字說明。
這樣設計是刻意的。操作極簡單，難度全部放在規則推理，不考反應速度，也不考辨識能力。
關卡結構
第一關一定是教學關，人類一看就懂，隨機亂按偶爾也能矇過，目的是讓人熟悉基本操作方式。
單一機關只放大或加速不算數。每款環境必須包含多種機關，後面關卡必須組合前面學過的觀念才解得開。
總量為一百三十五款環境，其中二十五款公開展示，五十五款用於外部模型介面測試，五十五款完全保密用於正式競賽。
收錄門檻是十位首次遊玩的素人中至少兩人獨立全破，隨機亂按一百萬步也過不了教學關之後的關卡，人類全破多在數分鐘內，最長不超過二十分鐘。
新穎性檢查是若同一套程式能同時解掉兩款環境，且長度不到兩份獨立解法相加的一半，就視為不夠不一樣，打回重做。
素材只准用先天常識，包含物體持續存在與碰撞遮擋、對稱旋轉與內外連通等幾何拓樸、重力反彈等直覺物理、辨認何者為有意圖的行動者。禁用數字字母、現實物品圖案、綠色代表通行等文化約定。
三款公開環境舉例
編號二零的環境屬於方向操作型，共八關。第一關學習移動與變形器，把鑰匙調成特定形狀去開啟出口。第二關加入能量格，踩到可以補充剩餘步數，需要規劃路線。第三關在鑰匙上加入顏色維度，形狀與顏色都要正確。一路疊加到第八關變成局部可見，只能看到周圍一小圈。考驗的是路線規劃，要同時顧多重條件，前面學的還要能帶到後面。
編號三三的環境屬於點選型。第一關不到五步，第六關要五十步，相差十倍，屬於後期關卡特別吃重的類型。畫面上顯眼的物件往往就是可互動物件，結構化探索法在這款表現最好，曾解掉五關。
編號零九的環境屬於點選型。盤面與狀態空間極大，第六關之後窮舉搜索直接失效。純靠大型語言模型加程式合成的作法在這類環境甚至輸給隨機亂按，證明只靠語言假設檢驗不如有系統的空間探索。
保密的三款環境是混合操作，組合推理更深，機制刻意與公開組不在同一分布，避免針對公開組調校專用解法。同一套專用框架在某款變體上可以從零分拉到九十七分，換一款就掉回零分，呈現明顯的兩極化，證明專用調校缺乏通用性。
難點整理
難點不在單關解謎，而是四件事同時發生。第一，目標未知，要從盤面配置猜什麼狀態才是好狀態。第二，機關未知，每種基礎操作在本款遊戲代表什麼意思要自己試。第三，預算有限，步數用盡就重置，亂試會被效率分數平方重罰。第四，要跨關遷移，第五關預設你還記得前四關的規則組合。
資料來源
官方第三代基準論文第二點三節與第三點四節的環境格式與設計限制、結構化探索複現論文中的三款遊戲機制對比、官方文件中的自建遊戲範例。