Mine Odyssey 基准用 Minecraft 重建真实地点评测空间智能体

Mine Odyssey 是一个评测智能体空间智能的新基准，基于 Minecraft 重建的真实地点构建，包含 180 个任务、覆盖五大洲 20 个国家和地区的 30 个地点（20 个室外、10 个室内）。每个任务用自然语言指定要按顺序到达的路标点，智能体需寻找可行路线、开门、用楼梯和梯子跨层移动并从导航错误中恢复。在 8 个受测模型中，GPT-6 Astra 以 85.6% 成功率居首，Claude Opus 5.5 为 73.9%，开源权重模型中表现最好的 DeepSeek-V4.1-Flash 仅 23.9%。