MineExplorer: выпущен первый бенчмарк минутных длинных задач в Minecraft
Оригинальный заголовок: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
ИИ-резюме
Команда LongCat компании Meituan выпустила MineExplorer — первый бенчмарк для минутных длинных задач в открытом мире Minecraft, включающий 813 вручную проверенных примеров. Оценка 18 ведущих мультимодальных больших моделей показала, что у сильнейшей модели Claude-Opus-4.6 общая успешность составляет лишь 41%, падая с 77% на задачах в 1 шаг до 12% на задачах в 4 шага; почти 60% неудач связаны с ошибками навигации. MineExplorer полностью открыт.
Ключевые моменты
- Команда LongCat компании Meituan выпустила MineExplorer — первый бенчмарк для минутных длинных…
- Оценка 18 ведущих мультимодальных больших моделей показала,что у сильнейшей модели Claude-Opus-4.
- 6 общая успешность составляет лишь 41%,падая с 77% на задачах в 1 шаг до 12% на задачах в 4 шага
- почти 60% неудач связаны с ошибками навигации.
- MineExplorer полностью открыт.
Кратко
- Опубликовано
- Обновлено
- Источник
- 公众号:龙猫LongCat(美团)
- Категория
- Статьи и исследования
- Оценка ИИ
- 68
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。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: MineExplorer: выпущен первый бенчмарк минутных длинных задач в Minecraft. 23 июля 2026. https://new.nat6.net/ru/news/cmryewabt00mnrolg1nxcjf18/