飞进AI的3D基准测试

Artificial Analysis 发布了一个新工具：AA-3D Explorer。这家以AI模型评测闻名的机构，这次把评测从“看分数”变成了“逛现场”。

3D生成模型的传统比法是拉榜单看分数。但3D这种东西，分数再高，不如亲眼看看模型搭出来的场景长什么样。

AA-3D Explorer 的思路很直接：从7个领域里选一个任务，让不同模型在同一提示词下各自构建3D场景。你可以在浏览器里飞进去，在场景里穿行，看每个模型怎么处理同一个需求。这也和他们的投票流程一致：人类评审小组在投票前，就是这样在场景里逛的。

上面这段视频展示的是人体解剖场景，杠铃深蹲动作，肌肉标注清晰。同一道题，不同模型的差距，直接看场景就知道。

模型列表按AA-3D Elo排名排列，从上往下看一个任务的全部模型表现。键盘左右箭头切换任务，上下箭头切换模型。点击Prompt按钮可以查看每个模型被要求构建什么的摘要。

这是另一个模型在相同任务下生成的结果。同一个brief，两版解剖场景，细节差异一眼就能看出来。

工具还提供了一些实用功能：可以截图保存当前画面，也可以录制最长60秒的操作过程。“3D only”模式会隐藏模型文字和按钮，只保留纯3D场景。每个场景都有独立链接，分享出去带预览卡片。

山地自行车场景也在7个领域里。模型对地形、植被、标志牌的还原能力，在场景里转一圈就有判断。

有网友说，这种“同一brief、左右切模型”的比法，一眼就能看出谁在建模、谁在糊弄UI。有人凌晨2点还在里面比较7个模型。还有人说，这种感觉就像“飞进基准测试”。

目前AA-3D的投票排名中，主要实验室里真实用户评分最高的是gemini 3.7 flash，在317个模型中排第7（vibe分7.2），其次是gpt 6.1 sol（第16）和opus 5.5（第23）。Google最新的gemini 4 argon目前排到第53。

排行榜变成了可以走进去的3D场景，这就是AA-3D Explorer带来的变化。