Frontier3DBench横评11个模型145项3D任务：局部机关83分，完整世界仅30分
机器之心 · wechat · 2026-11-06
Einsia AI 发布 Frontier3DBench，首个横跨 Blender 与 Unreal Engine 的 Coding Agent 3D 创作基准，含 9 大类、145 项任务（65 物体 + 65 场景 + 15 开放世界），从外观、结构、行为三维度评测 11 种模型与 Agent 框架。
关键发现：GPT-6.1-sol 以 66.02 分居总榜首，但开放世界层领跑者是 GPT-6-astra（61.28），文本建模最高分为 Claude Opus 5.5（84.05），场景编辑黑马是 MiniMax-M3.1-Flash（78.70）。所有模型「参考图重建」显著弱于「自由生成」——自由生成普遍 76-84 分，多视图重建最高仅 69.61 分。开放世界层暴露最大短板：局部交互平均 83.08 分，但运动避障仅 20.82 分、状态与工作流仅 30.26 分，说明模型能做单个机关却串不起完整任务。性价比上 GPT-6-luna（$0.27/题）、DeepSeek-v4.1-Flash（$0.45/题）、Sol（$1.01/题）构成帕累托前沿，而 Opus 单题 $21.17 花费最高、总分反而不及 Sol。
所属事件:Frontier3DBench 发布：145 项任务实测编码 Agent 3D 建世界能力(2 条相关)→
「编程与Agent」频道最新
- Cua 发布 Driver Bench：macOS 后台桌面任务通过率 58% 远超 Codex — TianbaoX · 2026-11-07
- ARI 检索器：0.4B 小模型借大模型持续 RL 追平甚至碾压 8B — lateinteraction · 2026-11-07
- YC 新创 Trepo 打造厨房硬件，让 AI Agent 自动帮你买菜 — ycombinator · 2026-11-07
- Cognition 发布 Devin Review 2.0：便宜 5 倍、快 1.5 倍 — smtabatabaie · 2026-11-07
- JetBrains 将 Air 智能体开发体验直接内置进 IDE，免费版也包含 — therealdanvega · 2026-11-07
- 经验帖：AI Agent 写 CSS 时 :has() 规则要收紧，避免全局样式重算 — jh3yy · 2026-11-07