用一句话复刻《我的世界》不叫评测，这叫表演赛

Recreating Minecraft Is Not a Benchmark

GPT Astra 一发布，社交时间线上全是同一类演示：一句提示词生成一个《我的世界》克隆版、用画图板画自己、画骑自行车的鹈鹕 SVG。这些 demo 看着唬人、谁都能看懂，但作者 Kuber Mehta 管它们叫“演示基准”——问题太固定，实验室完全可以在下一版模型里专门针对这几个花样做优化，刷到满分。所以这类测试已经测不出模型真实能力了，只能说明厂...

推荐理由：一篇观点文，但给出了一个能直接用的判断框架（“演示基准”），对看腻了《我的世界》克隆演示的从业者来说挺实用。分数没给更高是因为缺实验数据，属于经验观察而非实证研究。