由于传统 AI 基准测试方法难以全面评估模型能力，AI 开发者正尝试更具创意的测试方式，其中一种测试手段，则是微软沙盒建造游戏《我的世界》。
据外媒 TechCrunch 报道，名为阿迪・辛格（Adi Singh）的高三学生创建了专门为 AI 评测而开发的网站 Minecraft Benchmark（简称 MC-Bench），让 AI 模型在《我的世界》中同台竞技，基于相同的提示生成建筑作品。用户可以为自己认为更出色的作品投票，而投票结束后才会显示具体是哪款 AI 生成了哪些作品。
其认为选择《我的世界》的意义并不在于游戏本身，而在于它的知名度。即便没玩过这款游戏，人们依然能分辨哪个方块状的菠萝更逼真。“《我的世界》能让 AI 发展的进步更加直观，大家对《我的世界》的风格和视觉效果都很熟悉。”
目前，MC-Bench 的志愿贡献者共有 8 人。AI在线从 MC-Bench 网站的信息获悉，Anthropic、谷歌、OpenAI 和阿里巴巴为该项目提供了 AI 计算资源支持，但并未直接参与开发。
“目前，我们的测试仍然较为基础，主要用于观察 AI 从 GPT-3 时代至今的进步。但未来，我们或许会拓展到更复杂的目标导向任务和长期规划能力评估，游戏或许是测试 AI 智能体推理能力的一种理想方式 —— 相比现实世界，它更安全，也更可控。”
严格来说，MC-Bench 仍属于编程基准测试，因为 AI 需要编写代码来生成建筑，例如“霜雪人”或“热带风情的海滨小屋”。
相较于分析代码，大多数用户更容易通过作品本身来评判 AI 的表现。至于这些测试结果是否能真正衡量 AI 的实际应用价值，仍有待商榷。但辛格认为，这些数据仍然具备重要参考意义。“MC-Bench 当前的排行榜与我的实际使用体验高度吻合，而这在许多传统文本基准测试中并不常见。或许，它能帮助 AI 开发者判断自己是否走在正确的方向上。”
