AA-3D 基准揭秘:模型当 agent 用 Blender+浏览器自测做 3D 场景
ArtificialAnlys · x · 2026-11-10
Artificial Analysis 解释 AA-3D 基准的工作方式(build, check, vote, rank):
- 模型作为 agent 在离线沙盒中运行,把文字 brief 转化为 three.js 网页,最多 3 小时、250 轮
- 沙盒内提供 Blender、Rapier 物理引擎、Python、可自测作品的无头浏览器,以及大量材质、3D 模型和角色库
- 人类评审对同一 brief 生成的场景盲评两两对比,每个场景至少观看 30 秒后投票
- 投票结果换算为带 95% 置信区间的 Elo 分数
示例 brief:让模型做「从发射入轨、助推器塔架回收到飞船着陆的完整 Starship 动画」。
所属事件:Claude Fable 5.2 登顶 AA-3D 榜首,Elo 领先 67 分(6 条相关)→
「模型」频道最新
- SemiAnalysis GDPx 榜单首发：Claude Fable 5.2 以 16.4% 登顶 — scaling01 · 2026-11-10
- Anthropic 把 GPU 内核优化列为风险能力并训练期设限，社区质疑「pre/post nerf」 — WolframRvnwlf · 2026-11-10
- 网友称 Anthropic 的 Fable 就是 Mythos,只是多了护栏 — repligate · 2026-11-10
- 研究员实测:Claude 新模型已成得力科研助手 — chaitjo · 2026-11-10
- 开源模型 Mirage 登 HF 热榜,一个模型覆盖检测分割问答 — Cactus-Compute · 2026-11-10
- 400M 小模型给游戏 NPC 做判断：3060 Ti 上 0.1 秒出结果 — NoahPersaud · 2026-11-10