Einsia AI发布Frontier3DBench：Agent离真实3D创作还有多远？

Coding Agent 要走向真实的 3D 生产管线，必须跨越从“单个物体”到“完整场景”，乃至“可交互开放世界”的鸿沟。过去三维重建、生成与编辑依赖传统视觉与图形学专用算法管线，如今具备视觉理解与程序执行能力的 Coding Agent 正将三维视觉难题转化为代码生成问题。但现有评测基准将“静态几何质量”与“动态世界交互”割裂，难以回答 Coding Agent 能否接住从物体、场景到开放世界的全栈创作需求。

为此，Einsia AI 发布 Frontier3DBench，横跨 Blender 与 Unreal Engine 两大工业级环境，涵盖 9 大类别、145 项任务（65 项物体 + 65 项场景 + 15 项开放世界），全面评测 11 种主流前沿模型与 Agent 框架配置，从外观、结构与行为三个维度勾勒 Coding Agent 的 3D 创作能力边界。

基准分三层：L1 物体层（65 项）交付可编辑 Blender 资产，涵盖纯文本建模及单视图、多视图参考图重建；L2 场景层（65 项）交付完整 Blender 场景，覆盖文本生成、渲染图重建、真实照片重建及场景编辑；L3 开放世界层（15 项）交付 Unreal Engine 工程，要求根据文本或参考图构建多区域连通、支持连续交互活动的开放世界。评测从外观（渲染美感与还原度）、结构（拆解工程量尺寸、查穿模与连通性）、行为（驱动角色实际穿行交互）三个坐标打分，按 30%、30%、40% 权重汇总。

总榜上 GPT-6.1-sol 以 66.02 分居首，物体层（71.21）和场景层（70.35）优势明显；但 9 个细分类别无一模型通吃：开放世界领跑者为 GPT-6-astra（61.28），文本生成物体最高分属 Claude Opus 5.5（84.05），场景编辑中 MiniMax-M3.1-Flash 以 78.70 分拿下单项第二。

所有模型“参考图重建”得分显著低于“文本生成”：文本生成物体普遍达 75.93～84.05 分，多视图和单视图重建全场最高仅 69.61 和 66.26 分。Qwen3.8-Max 文本生成物体达 81.98 分，但多视图和单视图重建骤降至 43.97 和 37.34。做出“看着合理”的作品已不难，难的是跨过遮挡与透视精准复刻指定作品。

拆解维度后，物体和场景的视觉与完成度由 Sol 领跑，开放世界由 Astra 领跑，物体结构上 Opus 以 83.27 分微弱反超 Sol。各模型摆对主部件、搭出粗略骨架相对容易（L1 结构均分 72.77），填满精细外观与细节则难得多。具体案例中，纺车重建 Sol 和 Opus 恢复主要机械组件，Kimi-K3 简化为抽象圆环与木杆；浴缸修复 Sol 和 Astra 让新浴缸适配原有支架，Luna 的外壳与支架分家；Minecraft 村庄 Astra 和 Sol 还原村落轴线与连续梯田，Luna 将建筑密集堆在平地。

开放世界真正考验在代码运行时刻，所有模型 L3 平均分均低于各自物体和场景成绩。165 个生成世界的运行时测试显示：局部交互平均 83.08 分，运动避障仅 20.82 分，状态与工作流仅 30.26 分。结论明确：局部机关已能做出来，但很难串起来——让角色无穿模跨区域移动、触发动作并让状态持续影响后续操作，是当前亟待跨越的大关。

性价比方面，GPT-6-luna（约 $0.27/题，48.56 分）、DeepSeek-v4.1-Flash（约 $0.45/题，57.45 分）和 GPT-6.1-sol（约 $1.01/题，66.02 分）构成帕累托前沿，从 DeepSeek 升级到 Sol 花约 2.2 倍成本换 8.57 分跃升；GPT-6-astra（约 $5.58/题，63.85 分）和 Claude Opus 5.5（约 $21.17/题，62.29 分）单题开销远高于 Sol，综合质量反而更低。

Frontier3DBench 为这条技术路线绘出首张全景能力地图，也标出两座必须攻克的大山：跨越“自由生成”到“精准还原”的鸿沟，打通“局部机关”到“全局工作流”的闭环。翻越之后，Coding Agent 交付的将不再只是孤立资产或静态布景，而是真正可走入、可交互、可演化的数字世界。