3DSceneBench 发布：编码智能体重建可用的 3D 房间，功能得分仅 42.1
yizhu59 · x · 2026-11-14
PranaLabs 团队发布 3DSceneBench，一个面向"可生活的世界"构建的新基准：不只问重建的 3D 场景看起来对不对，而问它能不能真正用起来——抽屉能否打开、杯子能否端起、离心机能否运转。
基准设计
- 编码智能体根据图片重建整个房间，隐藏测试检验这个单一世界是否支持房间的所有用途
- 含 49 个完整房间场景、7 个类别、14,219 个物体、471 个任务
- 每个参考世界都可仿真、可交互，定位为空间智能的 playground
评测结果（10 个前沿模型驱动的编码智能体）
- 外观最高 79.3/100（GPT-6 Astra），几何布局最高 62.1（Gemini 4.0 Argon）
- 功能性最高仅 42.1（Claude Opus 5.5），领先的智能体也只能完整完成约四分之一的任务
结论：当前模型建的世界"看起来对"容易，"用起来对"还差得远。团队预告 12 月将推出更真实、更具挑战性的场景。
所属事件:3DSceneBench 发布：评测智能体能否构建可用 3D 房间(2 条相关)→
「编程与Agent」频道最新
- Superconductor 接入 Loops MCP,编码 Agent 可直接管理邮件营销 — sergeykarayev · 2026-11-14
- 让 PR 百发百中的怪招：录两小时手写 Neovim 视频附上 — yacineMTB · 2026-11-14
- Grok Bot 测试自动购物: 单笔消费上限 50 到 5000 美元免确认 — XFreeze · 2026-11-14
- Cloudflare:AI 渗透测试框架流量 30 倍激增,提出现代安全模型 — Cloudflare Blog · 2026-11-14
- 马斯克亲自带货:一条 Prompt 让 Grok Bot 变成自组织第二大脑 — elonmusk · 2026-11-14
- Scoble 力挺 Boardy:从「助手」到自主运行的 Agent「Principal」 — Scobleizer · 2026-11-14