MineExplorer：首个《我的世界》分钟级长程任务评测基准发布

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。

查看原文：https://mp.weixin.qq.com/s/P3yzceXkVxth7Q63nRfBLg

来源：公众号：龙猫LongCat（美团）