# 用一句话复刻《我的世界》不叫评测，这叫表演赛

> 原标题：Recreating Minecraft Is Not a Benchmark

- 来源：Hacker News 首页
- 发布时间：2026-09-06T14:52:07.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/55128
- 原文：https://kuber.studio/blog/Reflections/Recreating-Minecraft-is-Not-a-Benchmark

## 摘要

作者 Kuber Mehta 认为，用一句提示词重造 Minecraft、画鹈鹕骑自行车这类演示型基准已无法衡量模型能力，因为目标固定不变，实验室可以在下一个版本发布前针对性地优化。

## 推荐理由

作者 Kuber Mehta 指出，重造 Minecraft 这类演示型基准目标固定，实验室可在下个版本发布前针对性优化，因而难以衡量模型真实能力。

## 锐评

演示型 benchmark 的问题就是目标固定，实验室提前知道要考什么，下一个版本发布前针对性地刷一遍就行。Minecraft 克隆、鹈鹕骑自行车这类 demo 看多了就明白，它测的是模型见过多少类似的题，泛化能力一点没测到。能区分模型的是没法提前准备的题，比如给一份从没见过的 API 文档让它现场写调用。这种演示赛对做 agent 的人参考价值很低，选模型的时候别被这类视频带偏。
