Mine Odyssey：真实世界空间智能体基准测试
原文标题：Mine Odyssey: Benchmarking Spatial Agentic Intelligence in the Wild
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文推出 Mine Odyssey 基准，用 Minecraft 重建真实世界地点，包含覆盖五大洲 20 个国家与地区的 30 个地点、180 项任务，评估智能体的空间探索与导航能力。评测中 GPT-6 Astra 以 85.6% 成功率居首，Claude Opus 5.5 达 73.9%，最强开源权重模型 DeepSeek-V4.1-Flash 仅 23.9%。
- 问题
- 现有空间智能体基准覆盖的布局、尺度与通行需求有限，难以评估真实环境探索能力。
- 方法
- 用 Minecraft 重建五大洲 20 国 30 个真实地点，设计 180 项需找路、开门、上下楼并按序访问路点的自然语言任务。
- 结果
- GPT-6 Astra 成功率 85.6% 居首，Claude Opus 5.5 为 73.9%，最强开源权重模型 DeepSeek-V4.1-Flash 仅 23.9%。
- 影响
- 开源与闭源模型在真实空间导航上差距悬殊，做具身/导航智能体的团队可据此定位能力短板。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Minecraft重建真实地点做空间智能体基准，GPT-6 Astra 85.6%居首，最强开源仅23.9%
- •基准含30个真实地点、180项任务，覆盖五大洲20个国家与地区，含20个室外与10个室内场景
- •地点跨度从曼哈顿中城、白金汉宫到乡村Entrup、Santa Lucía山，考验尺度与连通性差异
- •任务要求智能体找可通行路线与入口、开门、用楼梯和梯子跨层，并自我纠错
- •八模型评测：GPT-6 Astra 85.6%，Claude Opus 5.5 73.9%，最强开源DeepSeek-V4.1-Flash仅23.9%
为什么重要：开源与闭源在真实空间导航任务上差距超60个百分点，说明空间智能体能力仍高度集中在少数闭源模型，做具身与导航方向的团队可据此定位差距。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。