4DCodeBench 榜单:GPT-6 Astra Max 夺冠,Claude Opus 5.5 紧随其后
kwangmoo_yi · x · 2026-10-06
斯坦福/MIT/约翰霍普金斯团队(作者含 Joshua Tenenbaum、Alan Yuille、Jiajun Wu)推出 4DCodeBench:让编码 agent 看一段约 35 秒的物理事件视频,从零写出图形程序重建 3D 几何、运动与渲染。
榜单要点
- GPT-6 Astra [Max] 总分第一,Claude Opus 5.5 [High] 紧随;开源模型普遍落后闭源
- 共 200 个任务(100 真实 + 100 模拟视频),18 个 agent 参评,按外观、几何、运动等五类指标平均分排名
- 用 VLM-as-judge 两两偏好聚合成 Elo,再对照每任务平均 token 用量与成本绘制帕累托前沿
- 反直觉发现:跨模型看,更多 token 并不必然带来更高 Elo;仅在 GPT-6 Astra 内部,提高 reasoning effort 能同时提升重建质量与 token 消耗
所属事件:4DCodeBench 发布：GPT-6 Astra 领跑动态 3D 重建基准(4 条相关)→
「编程与Agent」频道最新
- 随手造一个为自己量身定做的完美 Git 客户端 — lucasmeijer · 2026-10-06
- Reddit 开发者做 GitLoom:把 AI 记忆拆成事实、偏好与时间线 — mellob_ai · 2026-10-06
- 数百 Agent 数天协作写 21 万行代码，Still City 游戏更新亮相 — Daniel_Farinax · 2026-10-06
- HeyGen 接入 OpenAI GPT-Live,让每个语言学习者都有随身家教 — HeyGen · 2026-10-06
- 开源应用 Modly 用 llama.cpp 做本地 3D 建模智能体 — Lightnig125 · 2026-10-06
- 开发者设想"默念即输入":皮下语音直连工作站LLM智能体 — cephaloform · 2026-10-06