近日，一场别开生面的AI能力评测在《我的世界》平台上展开，吸引了大量关注。新旧两个版本的Claude3.5Sonnet在游戏中展开建筑PK，展现出明显的能力差异，新版本（暂称"Sonnet3.6"）的表现尤其亮眼。这项由开发者adi发起的测试被戏称为"唯一可靠的评测基准"。评测基准研究者Aidan McLau认为这个方法恰好满足了当前AI评测的需求，并指出审美能力与智力水平密切相关。该项目很快获得了开源社区的支持，相关代码已在GitHub上线。测试结果显示，各大模型都展现出独特的"个性":Sonnet3.6在创意性方