Artificial Analysis 发布 AA-3D：给「会做交互 3D」的模型排座次
ArtificialAnlys · x · 2026-10-13
Artificial Analysis 正式推出 AA-3D 基准，衡量模型构建「人们愿意探索」的交互式 3D 场景的能力。方法：模型作为 agent 在离线沙箱中根据文字 brief 和交付契约编写代码生成 three.js 网页，沙箱含 Blender、Rapier 物理、Python、无头浏览器与 CC0 素材库；模型可渲染、查看自己的截图并迭代修改。随后由招募的评审团对同一 brief 的场景盲选投票，用 Bradley-Terry 拟合成 Elo。
v1.0 榜单要点
- Claude Sonnet 5.5 以 1194 居首，但前四名（均为 Anthropic 与 OpenAI 模型）95% 置信区间重叠、统计上并列第一
- Meta 的 Muse Spark 1.3 排第七（1035）
- 最好的开源权重模型 Kimi K3（982）与 MiMo-V2.6-Pro（977）分列 11、12 位，落后 200 分以上
配套提供在线排行榜、方法论文章，以及可亲自体验的 AA-3D Voting 盲测页面（页面投票不计入榜单）。
所属事件:Artificial Analysis 推出 AA-3D 交互式三维能力基准(4 条相关)→
「模型」频道最新
- PersonalAgentBench 榜单更新:Dots 登顶,Hark 紧随,任务数翻倍 — adcock_brett · 2026-10-13
- 本地模型何时能自己优化 llama.cpp?开发者激辩开源差距 — Plastic-Stress-6468 · 2026-10-13
- GPT 系模型可轻松通过多数验证码，截图引争议 — CtrlAltDwayne · 2026-10-13
- OrcaRouter 发布 Qwen3.8 对比文被指 AI slop，新模型发布当天开踩 — buttplugs4life4me · 2026-10-13
- 马斯克力推 Grok Bot:被用户称最强个人智能体,订阅整合呼声高 — elonmusk · 2026-10-13
- 用户称 Grok 全面替代 ChatGPT、Claude 与 Cursor 工作流 — elonmusk · 2026-10-13