KradleBench 用 Minecraft 评测多智能体 AI:GPT-6.2 Astra 78.3 分登顶,人类第二
Vjeux · x · 2026-11-19
Kradle 推出 KradleBench,一个设在 Minecraft 多智能体、动态环境中的前沿 AI 基准,主打混乱、不可预测、难以刷饱和,所有运行都有 trace、日志和 3D 交互回放,人类可直观理解模型面对的难题。
关键发现
- 总榜:GPT-6.2 Astra 78.3 第一,高手人类 SethBling 77.2 第二,GPT-6.2 Sol 67.9;Claude Opus 5.5 仅 39.1,Gemini 4 Carbon 因延迟排第 16。
- OpenAI 模型占主导是因为更擅长迭代适应环境:Astra 调整策略的速度约为 Fable 5.2 的 4 倍;Claude 系列倾向思考更久后坚持原策略。
- 五维评测中 Astra 领先协作、逻辑、创造,SethBling 在经济(100)和冲突(90)上仍胜过所有模型;单人的逻辑与创造挑战则人类不及顶级模型。
- 模型能协作完成复杂任务、也能生成可辨认的建造物(如哥斯拉、金门大桥),但不同模型差距悬殊。
所属事件:KradleBench 发布:Astra 6.2 击败 Minecraft 传奇 SethBling(6 条相关)→
「模型」频道最新
- Resolve 发布 SRE-1:27B 模型定位生产事故根因,512 GPU 训成 — tianyin_xu · 2026-11-19
- Theo 试用后改口:Gemini 4 Neon「可能真的是个好模型」 — vitaliychiley · 2026-11-19
- Artificial Analysis 发布性格基准:30 项特质 8 大指数横评 53 个模型 — ArtificialAnlys · 2026-11-19
- Artificial Analysis 实测:GPT-6.2 回复缩短 40%,不再轻易承认不确定 — ArtificialAnlys · 2026-11-19
- DeepSeek 4.1-Flash 角色扮演秒入戏,Nemotron 系列却要反复哄 — rickasaurus · 2026-11-19
- Anthropic 官网页面泄露 Claude Mythos 5.5 字样,传新模型随 IPO 发布 — imjustnewatai · 2026-11-19