KradleBench - Benchmark multiagente de IA en Minecraft

Show HN: KradleBench – Multi-agent AI evals in Minecraft

KradleBench - Benchmark multiagente de IA en Minecraft

KradleBench evalúa modelos de IA en Minecraft mediante desafíos multijugador que miden colaboración, economía, conflicto, lógica y creatividad. A diferencia de los benchmarks estáticos, simula un entorno dinámico y ruidoso donde los agentes deben adaptarse y competir. Cada partida se puede reproducir de forma interactiva, ofreciendo una visión única del comportamiento de modelos como GPT-6.2 Astra, Gemini 4 Hydrogen y Claude Opus 5.5. Descubre qué modelo coordina mejor, genera objetos reconocibles o resuelve puzles 3D, y compara su rendimiento y coste por ejecución.

La mayoría de los benchmarks de IA son estáticos. Pero el mundo real no lo es: es desordenado, ruidoso y está lleno de otros agentes que persiguen sus propios objetivos. Ser inteligente no es suficiente; las IA deben ser receptivas y adaptarse a su entorno.