已收录文章摘要，完整内容可前往原文阅读。
论文导读谷歌XR实验室、加州大学洛杉矶分校、卡内基梅隆大学等机构，把AI编程测试搬进了需要动手、转头和感知房间的XR应用。新基准包含112项任务，10款模型中，Claude Opus 5总体一次通过率