Enactra 发布 BuildingBench：评测智能体图片转 3D 建筑

Enactra 团队于 9 月 17 日发布 BuildingBench，这是一个面向「智能体建筑仿真」的基准与排行榜：给编程智能体真实建筑的参考图片，让它们产出可检查、可编辑、可复用的 3D 资产，并同时评估资产质量与生产成本。

已确认

• BuildingBench 要求模型无需外部 3D 建模软件，直接用 Python 代码生成 3D 网格与纹理，兼顾考察空间理解与推理能力和编码能力。
• 评测目标是让智能体创建可被人和其他智能体检视、编辑、复用的 3D 世界，应用于设计、游戏和物理仿真等场景。
• 初步排行榜结果：GPT-6 Astra 得分最高，成本比 Fable 5.1 低约 80%；各模型之间成本差异最高可达 80%。
• 转述帖中还提到有「隐身模型」宣称可节省 10 倍 token 的说法，该细节仅见于转发摘要，原文细节未完整展示。

为什么重要

• 随着编程智能体开始把观察转化为可检视的产物，3D 内容生成的质量与成本成为可量化的工程指标，BuildingBench 提供了首个聚焦建筑重建场景的公开对比框架。
• 将空间推理、编码能力与成本核算合入单一基准，为后续智能体在游戏、物理仿真等领域落地提供了直接参考。

2026-09-17 ~ 2026-09-18 · 5 条相关

• BuildingBench 评测编码智能体 3D 建筑能力，成本差最高 80% — ZhitingHu · 2026-09-17
• Enactra 发布 BuildingBench：评测编程智能体重建真实建筑 3D 资产 — Lianhuiq · 2026-09-17
• BuildingBench 让编码智能体从图片造 3D 建筑,新隐身模型宣称省 10 倍 token — Lianhuiq · 2026-09-17
• BuildingBench 发布:让编码智能体直接写代码生成 3D 建筑 — Lianhuiq · 2026-09-17

另有 1 条近重复转述:Lianhuiq