Artículos e investigación

MineExplorer: se publica el primer benchmark de tareas de largo alcance de nivel minuto en Minecraft

Título original:让AI离开温室,走向动态世界:MineExplorer揭示顶级多模态大模型被忽视的能力断层

Resumen de IA

El equipo LongCat de Meituan publica MineExplorer, el primer benchmark de evaluación de tareas de largo alcance de nivel minuto en el mundo abierto de Minecraft, con 813 instancias verificadas manualmente. La evaluación de 18 de los principales grandes modelos multimodales revela que el modelo más potente, Claude-Opus-4.6, logra una tasa de éxito global de solo el 41%, que cae del 77% en tareas de 1 salto al 12% en tareas de 4 saltos, y que cerca del 60% de los fallos se deben a errores de navegación. MineExplorer se ha publicado íntegramente como código abierto.

Puntos clave

  • El equipo LongCat de Meituan publica MineExplorer,el primer benchmark de evaluación de tareas de…
  • La evaluación de 18 de los principales grandes modelos multimodales revela que el modelo más…
  • 6,logra una tasa de éxito global de solo el 41%,que cae del 77% en tareas de 1 salto al 12% en…
  • MineExplorer se ha publicado íntegramente como código abierto.

Resumen rápido

Publicado
Actualizado
Fuente
公众号:龙猫LongCat(美团)
Categoría
Artículos e investigación
Puntuación IA
68
Leer el original Leer el artículo completo en la fuente original
Por qué importa

18 个顶级多模态模型在 Minecraft 里全翻车,每多一层隐藏前置条件成功率就砍半,搞具身智能的该看看感知和行动之间还隔着什么。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: MineExplorer: se publica el primer benchmark de tareas de largo alcance de nivel minuto en Minecraft. 23. julio 2026. https://new.nat6.net/es/news/cmryewabt00mnrolg1nxcjf18/

Ver todo →