Minecraft 新基准 KradleBench:GPT-6.2 Astra 得 78.3 分,微胜人类高手 77.2
TheMrZZ0 · reddit · 2026-11-20
KradleBench 团队(发帖人为团队成员)发布了 Minecraft AI 基准:26 个模型、13 个挑战、每个模型 345 局。GPT-6.2 Astra 以 78.3/100 夺冠,仅略高于人类高手 SethBling 的 77.2,第二名模型 GPT-6.2 Sol 为 67.9。
评测方式:agent 接收世界状态的文本观察(位置、血量、背包、周边方块、聊天),用写 JavaScript 的方式行动。五个维度加权:协作 30%、策略 30%、对抗 30%、逻辑(红石)5%、创造力 5%。
亮点发现:
- 人类与顶级模型的强项不同:SethBling 赢在策略与对抗,Astra 赢在协作与逻辑。
- 对抗中人类利用了 AI 的「思考延迟」:AI 每步要读观察→调模型→跑代码,耗时数秒,SethBling 常趁 AI 开箱子或僵在计划中时击杀。
- Astra 自发使用了没人提示的能力:造「鹈鹕骑自行车」时用旋转 block display entities 做出圆形倾斜车轮,绕开了方块网格限制,5 次中用了 4 次,其他模型都没尝试。
- 顶级模型聊天协作出色:三份 Astra 在 5 分钟收集挑战中按材料分工、最后互报重复并交换,108 格覆盖 106 种物品。
- 价格与得分关系松散:Sol 得 67.9 但成本约 Astra 的四分之一;Claude Fable 5.2 比 Astra 贵 7% 却只得 37.8。
完整榜单、分项成绩与回放见 kradle.ai。
所属事件:KradleBench 发布:GPT-6.2 Astra 微胜 Minecraft 传奇 SethBling(8 条相关)→
「Fun」频道最新
- 用 Astra 6.2 复刻《River Raid》,几轮对话生成像素射击游戏 — AIandDesign · 2026-11-20
- GLM 5.3 被称首批强网络能力开源模型,作者警告图表难下结论 — eliebakouch · 2026-11-20
- Gemini 4 Neon 被曝会为子智能体的成果欢呼庆祝 — sebkrier · 2026-11-20
- AI 助手打电话联系屋顶维修,1 小时修好漏水只花 $300 — stuffyokodraws · 2026-11-20
- 手机拍照即入 VR:演示者称首个「空间隔空投送」 — dreamwieber · 2026-11-20
- 苹果给 Siri 加每日使用限制,网友调侃:7 个用户很伤心 — alfcnz · 2026-11-20