从物体到开放世界，Einsia AI发布Coding Agent 3D 创作能力评测基准Frontier3DBench

Coding Agent正在进入3D创作领域，但生成一个模型、搭建一处场景，与创造一个能够持续运行和交互的数字世界，仍是不同层级的挑战。

从物体、场景到开放世界构建，Coding Agent不仅需要理解视觉信息、生成代码，还要处理几何结构、空间关系、运行逻辑与动态交互。

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，如今市面上多数 Coding Agent离真正进入 3D 工业管线仍有很长路要走。

针对这一问题，Einsia AI正式发布 Frontier3DBench，一个衡量 Coding Agent 3D 创作能力的评测基准：

L1 物体层（65项）：基于文本或单视图、多视图参考图生成可编辑的Blender资产，考察模型的建模与几何还原能力。

L2 场景层（65项）：生成或重建完整Blender场景，涵盖文本生成、渲染图重建、真实照片重建，以及局部编辑并保持周边结构不变等任务。

L3 开放世界层（15项）：基于文本或参考图构建Unreal Engine工程，要求多个区域彼此连通，并支持角色移动与连续交互。

该基准覆盖Blender与Unreal Engine两大工业级环境，包含9大类别、145项任务，评测11种主流前沿模型与Agent框架配置，从外观、结构、行为三个维度，系统评估Agent从物体、场景到开放世界的创作能力。

Frontier3DBench研究结果显示，综合得分最高的为GPT-6.1 Sol，但在开放世界任务中，GPT-6 Astra位列第一，国内大模型MiniMax-M3.1-Flash在场景编辑任务中优势明显，位居第二。

Frontier3DBench系统评测后发现，当前主流模型已具备较强的3D内容生成能力，但仍存在两方面明显短板。

首先，自由生成强于参考图精准重建。

在文本生成物体任务中，各模型得分达到75.93—84.05分，但在多视图和单视图重建任务中，全场最高分分别降至69.61分和66.26分。

其次，局部交互强于开放世界任务。

研究团队在对生成的165个世界开展运行测试，不同任务得分存在明显反差。在局部交互中11家主流模型平均83.08分；但是在运动避障、状态与工作流方面双双不及格，平均得分仅为20.82分和30.26分。这说明Coding Agent在3D生成方面已经能够实现开关、机关等局部交互，但在开放任务交互中仍存在明显不足。

此外，研究还对模型综合质量与单题API估算成本进行了比较。GPT-6 luna（约0.27美元/题，48.56分）、DeepSeek-V4.1-Flash（约0.45美元/题，57.45分）和GPT-6.1 Sol（约1.01美元/题，66.02分）三种模型最具性价比。

不过并不是越贵的模型质量越高。研究显示，从DeepSeek-V4.1-Flash升级到GPT-6.1 Sol，成本约增加2.2倍，综合得分提升8.57分。相比之下，GPT-6 Astra单题成本约5.58美元，Claude Opus 5.5约21.17美元，综合得分却均低于Sol。

经 Frontier3DBench 的全面系统评测，Coding Agent 的真实能力边界正变得更加清晰：其能力正从单一的3D内容生成迈向更复杂的3D世界构建，但要真正进入工业级生产管线，仍需突破精准重建与全局工作流协同两大关键门槛。

从生成3D内容到创造数字世界，Coding Agent的下一站，才刚刚开始。