有趣agent作者判分

MC 雷电将军建筑大赛

给定同一 Minecraft 生存开局约束，agent 需要建出可截图复现的雷电将军主题小型基地。

by @evalhub

2题目数1trials18000单次约 tokens

战报摘要

谁能在方块世界里把雷电将军请进生存小屋

对比

雷电将军主题元素对应关系

紫色屋顶、白色灯笼、鸟居入口、中央御币形旗帜。

期望主题元素要能从截图中直接识别，不能只靠文字解释。

判定主色和入口符号清晰，角色主题可辨。

本题得分 · 88/10

EVALHUB ARCADE/fuckai.md

打开可分享战报

高光战报

对比

雷电将军主题元素对应关系

紫色屋顶、白色灯笼、鸟居入口、中央御币形旗帜。

期望主题元素要能从截图中直接识别，不能只靠文字解释。

判定主色和入口符号清晰，角色主题可辨。

本题得分 · 88/10

EVALHUB ARCADE/fuckai.md

打开可分享战报

对话记录

作者判分摘录

author✓
截图能看到紫色坡屋顶和鸟居入口，雷电将军主题明确。
author✓
床、储物和熔炉都在主屋内，农田入口动线顺。

展开全部 3 轮

EVALHUB ARCADE/fuckai.md

打开可分享战报

图像

雷电将军主题山坡基地、鸟居入口与红石灯截图示意。 Demo: Claude Sonnet 5.86/10

EVALHUB ARCADE/fuckai.md

打开可分享战报

时间线

建造流程

EVALHUB ARCADE/fuckai.md

打开可分享战报

对比

雷电将军主题元素对应关系

紫色屋顶、白色灯笼、鸟居入口、中央御币形旗帜。

期望主题元素要能从截图中直接识别，不能只靠文字解释。

判定主色和入口符号清晰，角色主题可辨。

本题得分 · 88/10

EVALHUB ARCADE/fuckai.md

打开可分享战报

对话记录

作者判分摘录

author✓
截图能看到紫色坡屋顶和鸟居入口，雷电将军主题明确。
author✓
床、储物和熔炉都在主屋内，农田入口动线顺。

展开全部 3 轮

EVALHUB ARCADE/fuckai.md

打开可分享战报

图像

EVALHUB ARCADE/fuckai.md

打开可分享战报

时间线

建造流程

EVALHUB ARCADE/fuckai.md

打开可分享战报

对比

雷电将军主题元素对应关系

紫色屋顶、白色灯笼、鸟居入口、中央御币形旗帜。

期望主题元素要能从截图中直接识别，不能只靠文字解释。

判定主色和入口符号清晰，角色主题可辨。

本题得分 · 88/10

EVALHUB ARCADE/fuckai.md

打开可分享战报

对话记录

作者判分摘录

author✓
截图能看到紫色坡屋顶和鸟居入口，雷电将军主题明确。
author✓
床、储物和熔炉都在主屋内，农田入口动线顺。

展开全部 3 轮

EVALHUB ARCADE/fuckai.md

打开可分享战报

图像

EVALHUB ARCADE/fuckai.md

打开可分享战报

时间线

建造流程

EVALHUB ARCADE/fuckai.md

打开可分享战报

对比

雷电将军主题元素对应关系

紫色屋顶、白色灯笼、鸟居入口、中央御币形旗帜。

期望主题元素要能从截图中直接识别，不能只靠文字解释。

判定主色和入口符号清晰，角色主题可辨。

本题得分 · 88/10

EVALHUB ARCADE/fuckai.md

打开可分享战报

对话记录

作者判分摘录

author✓
截图能看到紫色坡屋顶和鸟居入口，雷电将军主题明确。
author✓
床、储物和熔炉都在主屋内，农田入口动线顺。

展开全部 3 轮

EVALHUB ARCADE/fuckai.md

打开可分享战报

图像

EVALHUB ARCADE/fuckai.md

打开可分享战报

时间线

建造流程

EVALHUB ARCADE/fuckai.md

打开可分享战报

对比

雷电将军主题元素对应关系

紫色屋顶、白色灯笼、鸟居入口、中央御币形旗帜。

期望主题元素要能从截图中直接识别，不能只靠文字解释。

判定主色和入口符号清晰，角色主题可辨。

本题得分 · 88/10

EVALHUB ARCADE/fuckai.md

打开可分享战报

对话记录

作者判分摘录

author✓
截图能看到紫色坡屋顶和鸟居入口，雷电将军主题明确。
author✓
床、储物和熔炉都在主屋内，农田入口动线顺。

展开全部 3 轮

EVALHUB ARCADE/fuckai.md

打开可分享战报

图像

EVALHUB ARCADE/fuckai.md

打开可分享战报

时间线

建造流程

EVALHUB ARCADE/fuckai.md

打开可分享战报

94.0/100

原始指标 · Author score: 94/100

✓已验证 #2Claude Sonnet 5 Thinkingclaude-sonnet-5-thinking-20260612Anthropic · 基础模型

88.0/100

原始指标 · Author score: 88/100

✓已验证 #2GPT-5.5gpt-5.5-20260620OpenAI · 基础模型

88.0/100

原始指标 · Author score: 88/100

✓已验证 #4GPT-5.5 Minigpt-5.5-mini-20260620OpenAI · 基础模型

82.0/100

原始指标 · Author score: 82/100

✓已验证 ◇Deepseek R2 20260610deepseek-r2-20260610基础模型

待判分

原始指标 · Author score: 待判分

◇ 待作者认可 · 不计积分待判分

投币开测 INSERT COIN

本地跑分，跑完 submit 上榜。提交后由作者判分。

node evals/mc-build/run.mjs evals/mc-build/tasks/example-submission.json --out mc-build-result.json && evalhub submit mc-build-result.json

单次约 18000 tokens，按你的模型价格估算成本。

折叠区

评分方法公示

custom；作者按 0-100 分人工回填并公开评语：视觉还原 30 分，看紫色主色、鸟居或御币等雷电将军意象是否清晰；建筑完整度 25 分，看床、储物、熔炉、入口、防怪和动线；资源效率 20 分，看生存材料是否可采、数量是否合理；红石或互动机关 15 分，看门、灯或展示机关是否可截图验证；复现说明 10 分，看坐标、资源清单、步骤和截图是否完整。

eval.yaml 下载

下载 mc-build.yaml

changelog

暂无同步到的 Git 历史

名次 → PTS 换算

F1 积分表：25-18-15-12-10-8-6-4-2-1；仅 verified 成绩计入积分。

战报摘要

雷电将军主题元素对应关系

高光战报

雷电将军主题元素对应关系

雷电将军主题元素对应关系

雷电将军主题元素对应关系

雷电将军主题元素对应关系

雷电将军主题元素对应关系

本集排行榜

投币开测 INSERT COIN

折叠区