MC-Bench

MC-Bench 是一个围绕 Minecraft 搭建的 AI 评测项目，核心玩法是出题、生成、对比、投票。项目方给出一道建筑类任务，让不同的 AI 模型分别尝试在 Minecraft 中完成，然后把各自的作品并列展示出来，交给访问者判断哪一个更符合题目要求。评测对象不是文字回答，而是三维空间里的实际搭建结果。

它面向的主要是对大模型能力边界感兴趣的开发者和研究者，以及想直观感受不同模型差别的普通玩家。对开发者来说，它提供的是一种跳出标准问答基准的观察角度：模型是否真的读懂了指令、是否理解空间结构和比例关系、能否在有限材料下做取舍，这些在传统文本评测里很难体现。对普通用户来说，它更像一个可以随手参与的小型擂台，看作品、投票、比较，参与门槛很低。

需要清楚的是，这类依靠人工投票的评测带有主观成分，投票结果反映的是偏好而不是绝对能力；不同题目之间的难度也无法统一衡量。把它当作一个直观的、带娱乐性的能力展示平台，比当作权威排名更合适。

当你想跳出问答式榜单、看看模型在动手任务上的表现时，MC-Bench 值得一看：它的题目直观，对比方式简单，几眼就能看出不同模型对同一条指令的理解差距，也适合拿来做演示或课堂上的例子。但如果你的目标是拿到可复现、可量化的能力分数，它并不合适——投票结果取决于参与者的偏好，题目之间难度也不好横向比较，样本量随参与人数波动。把它当作一个观察模型空间理解能力的窗口，而不是决策依据，会更符合它的定位。