**MineTrials：AI 智能体一小时能在《我的世界》走多远？**

_MineTrials: How far can AI agents get in an hour of Minecraft?_

> MineTrials 是一项新基准，测试现有模型在一小时限时的固定种子生存世界中能获得多少《我的世界》成就。它本身是一个“元框架”，将 Codex、Claude Code、Cursor、OpenCode 接入自定义 MCP 服务器进行对比。所有模型都能玩出一定水平，多数可拿到钻石装备，少数进入下界（Nether）。其中 Astra 表现最佳，最差一次（20 项成就）也优于其他所有配置的最佳成绩（18），作者认为它更稳定、灵活，例如死亡后放弃烈焰棒转而钓鱼，且上下文压缩更有效。文章还用可用轨迹数据绘制了成本与性能的帕累托前沿，认为结果与 OpenAI 关于占据前沿位置的宣称大致一致，但 Cursor 缺少 token 数据。作者最后表示，与这些智能体并肩游玩，能为担忧 AI 飞速进步的人带来些许宽慰——过程既神奇又令人抓狂。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-09-22 21:52（北京时间）
- **原文**：[打开原文](https://massiminoe.github.io/minetrials)