Mine Odyssey 用 30 个真实地点重建的 180 项任务评测空间智能体，GPT-6 Astra 成功率 85.6%，最强开源模型仅 23.9%
作者构建了 Mine Odyssey：基于 BuildTheEarth 的 30 个真实地点 Minecraft 重建（20 个室外、10 个室内，覆盖五大洲 20 个国家与地区），标注 1,059 个 waypoint 并设计 180 项按顺序访问多目标点的自然语言导航任务，配合可编程动作接口、独立到达校验与沙箱隔离；评测八个前沿模型显示 GPT-6 Astra 成功率 85.6%、Claude Opus 5.5 为 73.9%、最强开源模型 DeepSeek-V4.1-Flash 仅 23.9%，且室内成功率普遍低于室外。