Frontier3DBench：145 任务评测 3D 创建编码 agent，最高仅 66 分

Xinjie Lin · hf · 2026-11-09

Navers Lab、Einsia.AI 与清华推出 Frontier3DBench，统一评测编码 agent 的 3D 创建能力：145 个任务、9 大类，覆盖物体、场景与交互式开放世界三个层级，从外观、结构、行为三个维度联合评估。11 个模型-框架组合的实验显示：GPT-6.1-sol 以 66.02/100 居物体与场景层首位，GPT-6-astra 领跑交互世界构建。

关键发现：所有配置在「参照重建」上都明显弱于文本驱动生成——生成「看起来合理」的内容远比复现指定几何、布局与视觉细节容易；生成世界在局部机制上平均 83.08 分，但运动避障仅 20.82、有状态工作流 30.26——单个机制常能跑通，而需要协调动作与持久状态的完整活动仍是瓶颈。