美团 MineExplorer 评测：顶级多模态模型在长程探索里集体失手
美团技术团队 · wechat · 2026-07-23
MineExplorer：多模态模型在开放世界里长程探索失手
美团 LongCat 团队提出了 MineExplorer，一个面向 Minecraft 式动态开放世界的多模态评测基准，不再只测静态截图问答，而是测模型在实时变化环境里的连续探索与规划能力。
- 基准包含 813 个人工验证任务，覆盖 1-hop 到 4-hop 的隐藏前置条件任务。
- 每个任务在沙盒中持续运行约 3 分钟，配套规则化里程碑评测框架。
- 论文同时开源了多智能体数据合成流程，可自动生成训练任务。
- 设计目标是测“通用探索能力”，而不是让模型背 Minecraft 专有知识。
他们评测了 18 个顶级模型。结果显示，最强的 Claude-Opus-4.6 总体成功率也只有 41%。
关键结论
- 隐藏前置条件越多，性能掉得越快：1-hop 还能到 77%，4-hop 直接跌到 12%。
- 模型在感知上明显强于推理，瓶颈不是“看不见”，而是“看懂了也串不起来”。
- 最大失败来源是导航，占比接近 60%。
- 增加步数或记忆并不能根治问题，过期观察还可能干扰当前判断。
这项工作想说明的核心是：当前多模态模型已经能“看见世界”，但离“持续探索世界”还有明显鸿沟。
「多模态」频道最新
- Fish Audio 开源发布 Drama 3 TTS,博主演示旧帖一键转有声视频 — alex_verem · 2026-10-27
- Reddit 用户用 ComfyUI 生成逼真「清晨公交」短片 — no3us · 2026-10-27
- 网友为 MOSS 模型做模糊/防模糊 Slider LoRA,负权重让背景更清晰 — NoMouse9610 · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- Krea-2 Turbo 搭配 ComfyUI 做产品广告图，作者晒提示词与成片效果 — comfy-king-999 · 2026-10-27
- Marigold V2 深度估计支持高分辨率分块推理，登陆 ComfyUI — AntonObukhov1 · 2026-10-27