边看视频，复刻同一枚火箭。

任务指令

观看左侧实时播放的Blender制作演示，复刻视频中最终完成的同一枚火箭。允许边看边做；视频不可暂停、回放或快进。视频结束后还有120秒，请在截止前把可编辑的Blender工程保存为工作目录中的Rocket.blend（已打开空工程，可用Ctrl+S保存）。截止时自动封存最后一次由服务器完整捕获的保存，不以口头完成或渲染图片代替工程。具体造型和制作要求在视频中逐步出现。只能通过截图和普通鼠标键盘操作Blender与任务界面，不得使用Python控制台、脚本、终端、DOM或任务API。 保存以服务器完整捕获文件的时间为准，请确认页面已检测到保存；最后一个保存若损坏或不是完整工程则判失败，不自动回退到旧版。 工程大小上限64 MiB；符号链接不视为工程交付。 本题采用加权部分评分：机身20%、尖头15%、喷口10%、四片尾翼形状与布局25%、舷窗形状与位置10%、舷窗中心凹陷5%、四视角整体轮廓10%、整体空间范围5%。各项按公开几何容差通过则获该项分数，未通过只失去该项；总分0到1，同时另报完全成功。未及时保存、末次文件损坏或无法重开的交付为0分；可信环境故障单列异常。 舷窗中心凹陷分须在舷窗形状与位置通过时才可获得；没有舷窗不能凭裸机身表面获得该分。

英文页面提供说明译文，实际评测仍是同一个中文任务版本；没有把历史中文成绩当成英文变体成绩。

真实模型试跑

每模型、每预算各1局有效轨迹。分数是加权部分分，不是成功率；600秒是放宽时限诊断。

两者使用不同的原生动作／推理协议。GPT走AI Hub原生Responses；原始4B沿用旧general EvoCUA S2副本，thinking、4轮历史、100步，WAIT无额外睡眠。Qwen端到端耗时含Taiji转发和传图，服务端HTTP推理流中位数约1.75／1.93秒。不是严格单因素模型对照。

GPT在600秒诊断得70分：尾翼布局与整体范围未通过。Qwen在210秒保存空工程；600秒的80步中76次点击同一菜单标题，最终没有保存。输入与动作审计通过，基础设施异常尝试单独排除。

切换查看轨迹

1×真实时间截图回放，非连续录屏；观测之间保持上一张实际输入图。模型另外收到独立1Hz视频采样，本回放展示完整桌面的决策截图。

教程与目标预览

公开部分评分

截止前须捕获有效、可编辑、可重开的原生工程。未保存、空几何或末次文件损坏为0分；可信环境故障记null。舷窗凹陷分须先通过舷窗形状与位置。权重为本题制定，非ALE官方统一权重。

69项测试通过，原生参考工程评分1.0，冻结483个文件。本地Linux桌面已验证；真实OSWorld VM集成未跑。

完整任务交付文件

包含instruction、公开rubric、独立时钟与应用源码、90秒视频及全部帧、空工程、setup／cleanup、可信保存与评分器、隐藏参考、依赖、来源及测试。Blender二进制另按依赖说明取得。主机包含隐藏答案，仅供部署者，不应作为solver输入。

无损TAR.XZ归档包含正式与诊断两个完整独立目录，每版483个冻结文件及manifest，视频帧、源码与参考均保留；下载后校验SHA-256。

python3 download_task.py https://rongjiehuang.github.io/RealtimeCUABench/rocket/packages/manifest.json 210

本地运行

python3 initial_setup.py --run-dir /data/rocket-trial01-trusted \
  --workspace /data/rocket-trial01-work --port 0 --with-blender \
  --blender-bin /absolute/path/to/blender
python3 reward.py --run-dir /data/rocket-trial01-trusted \
  --blender-bin /absolute/path/to/blender

Linux、Python3.10+、Blender4.2 LTS（本次4.2.23）；可信评分另需numpy。正式评测将未来帧、参考与grader保留在可信侧，并复用独立低权限桌面或guest隔离。