Einsia AI发布Frontier 3 DBench：Agent离真实3 D创作还有多远？
Coding Agent 要走向真实的 3D 生产管线，就必须跨越从 “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、生成与编辑高度依赖传统视觉与图形学中的专用算法管线。而如今，具备视觉理解与程序执行能力的 Coding Agent 正在颠覆这一过程 —— 将以往所有的三维视觉难题，全部转化为代码生成问题 。
然而，现有的评测基准往往将 “静态几何质量” 与 “动态世界交互” 割裂开来，难以回答一个核心问题：
「今天的 Coding Agent，究竟能否接住从物体、场景到开放世界的全栈创作需求？」
为此，Einsia AI 发布 Frontier3DBench 。该基准横跨 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） ，全面评测了 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，系统性地勾勒出 Coding Agent 的 3D 创作能力边界。
论文题目 ：Frontier3DBench: Benchmarking Coding Agents for 3D Creation across Objects, Scenes, and Interactive Open Worlds
项目主页 ：https://lab.einsia.ai/frontier3dbench
GitHub ：https://github.com/Einsia/Frontier3D
Paper ：https://lab.einsia.ai/frontier3dbench/Frontier3DBench.pdf
从捏物体、搭场景到造世界
Frontier3DBench 测什么？
在 3D 创作里，捏一个模型、搭一个房间，和造一个能跑能跳的开放世界，难度完全不在一个量级。每往前走一步，Agent 要照顾的事就多一层：物体讲究零件与比例，场景讲究空间布局，而世界则必须接住动作、交互与持续变化的状态。
以往的评测往往把这些环节切碎了 —— 有的只看静态资产美不美，有的只测游戏代码通不通。光看一个笼统的总分，很难搞清楚 Agent 翻车时，到底是因为丢了参考图细节、排错了房间位置，还是卡在了运行时的某步交互上。
为此，Frontier3DBench 将这三层要求装进同一套评测标准，涵盖 9 大类别、145 项任务：
L1 物体层（65 项） ：交付可编辑 Blender 资产，涵盖纯文本建模（Text2Code）以及单视图、多视图参考图重建（Img2Code）。
L2 场景层（65 项） ：交付完整 Blender 场景，覆盖文本生成（Brief2Scene）、渲染图重建（Ref2Scene）、真实照片重建（Ref2Scene-RealPhoto）以及 “改局部、保周围” 的场景编辑（SceneEdit）。
L3 开放世界层（15 项） ：交付 Unreal Engine 工程，要求根据文本（Text2Env）或参考图（Img2Env）构建多区域连通、支持连续交互活动的开放世界。
评测也跟着工程文件一路往里走，用三个坐标给每份 3D 答卷打分：
外观：看渲染结果，检查视觉美感与参考图还原度；
结构：拆原生工程，量尺寸、数零件、查穿模与连通性；
行为：跑独立测试，驱动角色在世界中实际穿行交互，验证动作与状态是否成立。
按 30%（物体）、30%（场景）、40%（世界）的权重汇总后，研究团队对 11 种主流大模型与 Agent 框架进行了全面摸底。
Sol 拿下总榜第一
但 “造世界” 换了领跑者
先看总榜： GPT-6.1-sol 以 66.02 分斩获总榜第一 ，在物体层（71.21）和场景层（70.35）优势明显。