美团LongCat发布MineExplorer评测基准

2026年10月4日，美团 LongCat 团队发布 MineExplorer，称其为首个在开放世界中做到分钟级长程任务的评测基准，用于系统性评测多模态大模型在需要长程规划、并包含隐藏前置条件的任务中的真实能力。据该团队介绍，MineExplorer 基于《我的世界》动态开放世界构建，包含 813 个人工验证实例（1-hop 到 4-hop），并配套规则化的里程碑自动评测框架；同时提供多智能体数据合成流程的完整代码，可自动合成训练任务，以及一个基于 Minecraft 的沙盒训练环境。团队称 MineExplorer 已全面开源，欢迎各大模型前来挑战开放世界。同一报道提到，18 款顶级多模态模型在该基准上集体表现不佳。目前事件进展停留在发布与开源阶段，尚无后续跟进报道。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。