美团 LongCat 团队发布 MineExplorer，这是首个在《我的世界》开放世界中实现分钟级长程任务的评测基准，包含 813 个人工验证实例。
评测 18 款顶级多模态大模型发现，最强模型 Claude-Opus-4.6 整体任务成功率仅 41%，从 1 跳任务的 77% 骤降至 4 跳任务的 12%，近 60% 的失败源于导航失败。
MineExplorer 已全面开源。
Wiadomości AI / 论文研究
Back to AI news
MineExplorer: Opublikowano pierwszy benchmark oceniający długoterminowe zadania minutowe w „Minecraft”
Zespół Meituan LongCat opublikował MineExplorer, który jest pierwszym w świecie otwartym gry „Minecraft” benchmarkiem zadań długoterminowych realizowanych...
Dzisiejszy biuletyn AI
Zespół Meituan LongCat opublikował MineExplorer, który jest pierwszym w świecie otwartym gry
„Minecraft” benchmarkiem zadań długoterminowych realizowanych w minutach, zawierającym 813 ręcznie zweryfikowanych przypadków. Ocena 18 najlepszych wielomodalnych dużych modeli wykazała, że najsilniejszy model Claude-Opus-4.6 osiągnął ogólny wskaźnik sukcesu zadań zaledwie 41%, spadając gwałtownie z 77% w zadaniach skoków 1 do 12% w zadaniach skoków 4, a prawie 60% niepowodzeń wynikało z błędów nawigacji. MineExplorer został w pełni udostępniony jako open source.
资讯正文 · AI 整理
情报判断
Aioga 编辑摘要
美团 LongCat 团队发布 MineExplorer，面向《我的世界》开放世界中的分钟级长程任务，提供包含 813 个人工验证实例的评测基准。对 18 款顶级多模态大模型的测试显示，最强模型整体成功率为 41%。
背景分析
材料显示，Claude-Opus-4.6 在 1 跳任务中的成功率为 77%，到 4 跳任务降至 12%；近 60% 的失败源于导航。MineExplorer 已全面开源，评测聚焦开放世界中的连续任务执行能力。
Aioga 观点
Aioga 判断，MineExplorer 的价值在于把多模态模型从短步骤响应带入更长链路、开放环境下检验。成功率随任务跳数明显下降，可能反映规划、执行衔接与空间导航仍是关键限制。
影响与后续
这项评测可能促使模型能力比较从单步完成扩展到长程任务稳定性，也为导航失败等具体问题提供可量化观察维度。由于材料未说明开源范围和使用方式，相关影响仍需结合实际复现判断。 值得关注后续基于 MineExplorer 的复测结果，包括不同模型在任务跳数增加后的表现，以及导航失败是否持续成为主要失败来源。对开源基准的实际采用情况，也应等待更多公开材料确认。
Source and Copyright
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: mp.weixin.qq.com
Źródło: 公众号：龙猫LongCat（美团）
原文链接: Otwórz źródło oryginalne
Aioga 归档: 查看情报页
Content record: summary-fallback · Updated: 2026-07-23T11:58:00.000Z
API RELAY · DEVELOPER INFRASTRUCTURE
API 中转站
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this article