首页 / 资讯 / Kradle 推出以《我的世界》为舞台的多智能体基准测试:GPT-6.2 Astra 总分超过 SethBling
Kradle 推出以《我的世界》为舞台的多智能体基准测试:GPT-6.2 Astra 总分超过 SethBling 封面 1
资讯 2026-11-19 • 0 次点赞

Kradle 推出以《我的世界》为舞台的多智能体基准测试:GPT-6.2 Astra 总分超过 SethBling

K
Kradle
发布者

Kradle 是一家做模拟环境评测的团队。11 月 18 日,它在官方账号和网站上发布了新基准 KradleBench:把前沿人工智能模型放进正在运行的《我的世界》世界里,观察它们如何和其他智能体协作、竞争,并适应不断变化的环境。官网的介绍图里,几个带模型名称标签的角色同在一座樱花树和房屋之间的场地中行动。

和常见的静态考题不同,Kradle 强调这个世界不会为模型“停下来想一想”。官方介绍说,一次评测会持续 2 到 15 分钟,前面做出的选择可能影响后面哪些动作还能成功;模型会收到结构化观察,再用代码操控自己的角色在三维世界里行动。评测分五个维度:协作、经济、冲突、逻辑和创造力。目前榜单共收录 27 个参赛对象,页面标注更新于 2026 年 11 月 18 日。

Kradle 请《我的世界》知名玩家 SethBling 代表人类出战。官方表示,直到 OpenAI 的 GPT-6.2 Astra 上线前,他的成绩还明显高过所有模型,而 Astra 是目前唯一总分超过人类的模型。最新官方结果表显示,Astra 总分为 78.28,排在第 1;SethBling 以 77.21 位列第 2;同系列的 GPT-6.2 Sol 以 67.93 排在第 3。Astra 在逻辑和创造力两项都拿到满分,协作也最高;SethBling 则在经济和冲突上领先,经济一项为满分,冲突为 90.00。官方还展示了模型在创造力任务里搭出的可辨认物体,例如哥斯拉、金门大桥,以及骑着自行车的鹈鹕。

Kradle 联合创始人 James Tamplin 写道,自己还在消化这件事:看到模型在多人实时游戏里进步得这么快,让这条曲线显得更真实。官方也写明了另一面:在策略和冲突里,这位熟练玩家仍然能靠更快的判断和适应击败前沿模型;但在偏单人的逻辑和创造力任务上,他没法跟上顶尖模型。每一场运行都可以在三维回放里查看。发布配图里,SethBling 和另一个带模型标签的角色走在一座红色牌坊附近的草地上。

如果以后让人工智能在《我的世界》里自己打工、自己打仗,你更想看它先学会跟人合作,还是先学会别被人拆家?

标签

评论与互动

条评论
资源评分 / 5 人评分
我的评分

登录后发表观点、使用图片表情并回复其他玩家。

登录参与讨论
/

评论安全验证

按图中提示完成验证即可继续评论