MineBench 美国地图生成效果对比

这次更新篇幅比较小，不过我知道大家之前都很希望看到更多测试样例MineBench 最近加了不少新东西，比如一个社区画廊，用户可以把自己写的自定义提示词发上去，其他人能点赞，被认可的还会收进官方评测集里顺便说一句，登录用户现在限时可以用 Gemini 3.7 Flash 无限生成，这是 Google DeepMind 支持的

MineBench 4.0 也发布了：现在上了 iOS App Store；因为几家实验室有兴趣，平台支持对私有模型做 A/B 测试，政策和 LM Arena 一样；另外还有社区画廊

简单说下这项目是干嘛的：它本质是个基准测试，看模型能不能生成类 Minecraft 的 3D 结构模型会拿到一组方块调色板，再根据提示词搭建，比如文里第一个例子是战斗机，模型要返回每个方块的坐标 JSON越聪明的模型，搭出来的东西往往越精细复杂

（说明：这个公开基准是我自己做的，算自荐吧）